Hazel Savage, Musiion toimitusjohtaja ja perustaja – Haastattelusarja

Musiio tarjoaa tekoälypohjaisia analyysi-, taggaus- ja hakutyökaluja maailman suurimmille musiikkikatalogeille, ja sen asiakkaisiin kuuluvat Sony Music, Hipgnosis, Amanotes, Epidemic Sound ja Blanco Y Negro.

Rock-musiikin ystävä ja kitaristi, josta tuli Musiion toimitusjohtaja ja perustaja, Hazel Savage on työskennellyt musiikkialalla 15 vuotta maailman suurimpien musiikkibrändien parissa – HMV:n hyllytyskokeista musiikkisuosittelujen ja -kuuntelun eturintamassa olevien yritysten tiimien johtamiseen, Hazel ymmärtää alan tarpeet muusikosta suuriin monikansallisiin yrityksiin.

Olet ollut musiikkialalla yli 15 vuotta, mikä tekee sinusta niin intohimoisen musiikin suhteen, ja miksi halusit osallistua musiikkialaan?

Vanhempani olivat aika rock-musiikin ystäviä. He olivat suuria musiikin ystäviä, joten olin aina ympäröity musiikilla kasvaessani. Sitten 13-vuotissyntymäpäivänäni sain kitaran. Soitan edelleen ja olen intohimoinen live-esityksistä. Kun pohdin, mitä tekisin elämässäni, oli järkevää keskittyä johonkin, johon olin omannut lähes koko aikani.

Päädyin tekemään monia asioita, jotka liittyivät musiikkiin. Soitin bändissä. Johtaminen bändiä. Järjestin klubi-illoja. Olin jakamassa kutsukortteja muiden klubi-iltojen mainostamiseksi, johtaminen vieraslistoja ja ennen kuin tiesin, se muuttui uraksi, vaikka varmasti teknologisen kallisteen kautta.

Voitko kertoa Musiion syntytarinaa?

Ensimmäinen työni yliopistosta oli hyllyttäminen HMV:ssä (UK-levykauppa). Voisimme sanoa, että olen ollut tietoinen musiikin luokittelun ongelmista siitä lähtien. Muutamassa vuodessa (Shazam, Pandora ja Universal kautta) työskentelin UGC-musiikkialustalla, jolle ladattiin tuhansia kappaleita päivittäin. Työskentelin playlisterin kanssa, joka piti koota parhaat musiikin lataukset playlisteihin. Hän kuunteli satoja kappaleita päivittäin. Jotkut päivät hänellä oli tarpeeksi sopivaa sisältöä playlisteihin. Jotkut päivät ei ollut. Aloin miettiä, olisiko mahdollista automatisoida parhaiden kappaleiden löytäminen tiettyyn tilanteeseen. Tällä tavoin hän voisi käyttää musiikki-asiantuntijan taitojaan curaatioon, eikä pelkästään toimia suodattimena huonolle musiikille.

Musiio perustettiin, kun tapasin perustajani Aron Petterssonin start-up-inkubatorissa Entrepreneur First Singaporessa vuonna 2018. Aron on tekoälynero. Kun keskustelimme siitä, miten voimme työskennellä yhdessä, tajusimme, että voimme käyttää Aronin tekoälytaitoja musiikin perusteella suodattamiseen, automaattiseen taggaamiseen tai hakemiseen musiikkia tyylilajeja, tunnelmia, BPM:ää jne. tai sormenjäljen perusteella. Aron rakensi algoritmin prototyypin iltapäivässä, ja asetimme sen toimimaan ilmaisella musiikkivarastolla. Menimme lounaalle, jättäen sen prosessoimaan dataa. Kun palasimme, olimme hämmästyneitä tuloksista. Emme voineet toivoa parempaa todistetta.

Mitkä ovat erilaiset koneoppimisen algoritmit, joita käytetään?

Olemme kehittäneet oman omistaman algoritmin, ja pidämme sitä salaisuutena! Perustajani Aron on ollut koneoppimisen eturintamassa yli vuosikymmenen ajan työskennellessään molekyylibiologiassa, neurotieteessä, fysiikassa ja jopa pelien kehittämisessä. Hän johtaa tekoälytiimiämme. Käytämme myös hyväksi erinomaisia saatavilla olevia teknologioita, kuten TensorFlow, Kubernetes ja Google Cloud Services skaalautuvuuden ja tuotteidemme toimittamisen valtavalla mittakaavalla, suurimmassa tilanteessa me tagasimme 5 000 000 kappaletta päivittäin! Olemme myös käyttänyt paljon aikaa ja vaivaa työprosessien suorittamiseen JIRAssa; se ei ole vain siitä, mitä työkaluja käytät, vaan miten voit työskennellä tehokkaasti kehittäjien ja musiikkiasiantuntijoiden tiimin kanssa. Tekoälyn ja musiikin yhdistäminen on toinen osa salaisuuttamme.

Mitkä ovat haasteita musiikin hakukoneen rakentamisessa?

Nopeus ja tarkkuus ovat suurimmat haasteet hakukoneessa. Se on oltava nopea, koska ihmiset käyttävät sitä reaaliajassa. Tämä on erilaista kuin taggaaminen, koska käyttäjä tekee useita hakukyselyjä, mutta taggaaminen tapahtuu vain kerran.

On monia asioita, joita voidaan tehdä hakukoneen nopeuttamiseksi. Voit esimerkiksi näyttää kappaleita, jotka jakavat samat tagit kuin siemenkappale, mutta uhraat tarkkuuden. Puhdas ääniviitehaku 200 miljoonan kappaleen katalogissa voi kestää kauan, joten olet jatkuvasti tasapainottamassa nopeutta ja tarkkuutta ja etsimässä ratkaisuja. Se on hankalaa, ja osa siitä on kovalla työllä saavutettu tieto, mutta mitä voin jakaa, on se, että muunnamme äänitiedostot spektrogrameiksi, äänitiedostojen yksityiskohtaisiksi sormenjäljiksi, ja kun suoritamme ääniviitehaun, algoritmi analysoi jopa 1 500 dataa – paljon enemmän kuin mitä on mahdollista pelkästään sana-tagien avulla. Se havaitsee myös vaikeasti kuvaillavia musiikin ominaisuuksia, kuten lauluäänen laatua, ilmapiiriä ja tunnelmaa. Sallimme myös käyttäjien määritellä suodattimia, jotta heidän hakunsa voivat olla nopeampia ja kohdennettuja.

Mitkä ovat Musiion ratkaisemat ongelmat b2b-asiakkaille?

Palvelemme ketä tahansa, jolla on musiikkikatalogi. Olemme rakentaneet teknologian skaalautuvaksi, olipa kyseessä sitten muusikko, jolla ei ole aikaa tagata musiikkia ja haluaa keskittyä luomiseen, tai suoratoistopalvelu, jolla on satoja miljoonia kappaleita.

Autamme levy-yhtiöitä järjestämään tietojaan paremman katalogin navigoinnin vuoksi, autamme synkronointiyhtiöitä (jotka laittavat musiikkia videoihin/TV- ja elokuviin) löytämään piilotettuja helmiä, ja autamme suoratoistopalveluita luomaan parempia soittolistoja. Ongelma, jota nämä yritykset kohtaavat, on, että äänitiedostojen käsittely manuaalisesti kuuntelemalla jokaisen kappaleen on työlästä ja vaikeaa tehdä tarkasti pidempään aikaan. Tagasin 1000 kappaletta kokeeksi. Se kesti kaksi viikkoa eikä ollut hauskaa. Tekoälymme voi tagata miljoonia kappaleita päivittäin 90-99%:n tarkkuudella.

Musiio Search -tuotteellamme sallimme B2B-asiakkaidemme tarjota ääniviitehaun ominaisuutena. Jos videotuottaja etsii musiikkia sijoittamista varten, hän aloittaa ymmärtämällä asiakkaansa odotuksia tyylilajista, tunnelmasta, BPM:stä ja etsii valitsemallaan sivustolla.

Musiio lyhentää tätä prosessia kumppaneidemme kanssa, jotka asentavat hakumme, sallimalla saman videotuottajan käyttää “viitekappaletta” hakemaan koko tietokantaa sekunneissa. Tekoälymme skannaa viitekappaletta ja palauttaa lähimmät äänikohtaiset vastineet.

Musiio julkaisi äskettäin NFT Song Slicer -tuotteen, voitko kuvailla, mitä se on?

NFT Song Slicer on prototyyppi, joka auttaa artisteja saamaan enemmän arvoa musiikistaan. Se käyttää tekoälyohjattua prosessia löytämään toivottavia koukkujen osia kappaleesta – jopa kolme kappaletta kappaleittain – ja antaa aikaleimat, jotta artisti voi tehdä näistä kappaleiden osista NFT:t. Se voi myös tehdä tämän automaattisesti koko katalogeille, tehdäkseen helpommaksi levy-yhtiöille ja artisteille, joilla on suuret takavarikot, luoda nopeasti uusia digitaalisia keräilyomaisuuksia.

Mitkä ovat mahdollisia käyttötarkoituksia tällaiselle Song Slicer -tuotteelle?

Katalogin omistajille tai artisteille, joilla on laaja takavarikko, NFT Song Slicer voi valita arvokkaimmat osat miljoonissa kappaleissa päivittäin. Levy-yhtiöt voivat esimerkiksi muuttaa nämä kappaleiden osat NFT:ksi ja myydä niitä rajoitettuina digitaalisina keräilyesineinä.

Vallankumouksen myötä suoratoistopalveluissa on tullut vaikeaksi faneille saada rahaa taskuunsa artisteille, joita he rakastavat. Katsoo NFT Song Sliceriä tapana, jolla fanit voivat tukea suosikkiartistejaan, ja faneille omistaa digitaalisia keräilyomaisuuksia. Kunkin viipaleen voi myös hinnoitella eri tavoin oikeudenomistajan toimesta. Esimerkiksi kertosäe voi maksaa enemmän kuin säkeistö.

Mikä on visiosi Musiion tulevaisuudesta?

Sanon, että Musiio on yksi kolmasosasta miljardin dollarin yrityksestä. Rakentaaksesi tämän yrityksen, tarvitset kolme osaa. Ensimmäinen on laillinen pääsy suuriin tietomääriin tai “putki”. Toinen osa on tekniikka. Tämä on me, ja olemme hyviä siinä, mitä teemme. Kolmas ja viimeinen osa on merkintä: tapa rahoittaa sitä, mitä löydät, etsit tai löydät. Musiio työskentelee aina tämän pitkän aikavälin tavoitteen saavuttamiseksi.

Luuletko, että tekoäly pystyy kirjoittamaan ja generoimaan musiikkia lähitulevaisuudessa?

Olen melko avoin siitä, etten ole suuri fani tekoälystä luovuuden vuoksi. Se on hauskka akateeminen kokeilu, ja on järjestelmiä, jotka tekevät sitä, mutta en näe siihen tarvetta. Musiio toimii niin hyvin, koska kukaan ei halua tagata tuhansia kappaleita päivittäin. Se ei ole hauskaa, eikä tarvita ihmistä, jotta se tehtäisiin tehokkaasti tai nopeasti. Mutta musiikin tekeminen? En ole varma.

Vaikka olen sitä mieltä, että olemme vähintään 5-10 vuoden päässä siitä, että tekoälygeneroitu musiikki kuulostaa hyvältä. Kuulin tekoälyllä generoidun pianomusiikkia muutama päivä sitten, ja on vaikea sanoa, onko se tehty tekoälyllä vai joku, joka ei ole hyvin suorittanut. En ole vakuuttunut, että tekoäly-esitys voi koskaan olla erottamaton taitavan ihmispelaajan esityksestä.

Onko jotain muuta, mitä haluaisit jakaa Musiosta?

Olen hyvin innoissani, että Musiio sai äskettäin neljännen sijan Fast Companyn 10 innovatiivisimman musiikkayrityksen listalla vuonna 2022. Tiimimme ja teknologiamme on kasvanut idean siitepölystä kansainväliseen tunnustukseen suurten alan nimien, kuten Hipgnosisin ja SoundCloudin, rinnalla. Se on kunnianosoitus tiimimme verelle, hikelle ja kyyneille, jotka olemme panneet alan johtaviin tuotteisiimme. Olemme innoissamme siitä, että olemme musiikin ja teknologian leikkauspisteen äärellä. Ja tiedostamme, että on käyttötarkoituksia, joita emme ole vielä ajatelleet, mikä saa minut hyvin innoissani tulevaisuudesta.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Musiio-sivustolla.