Hazel Savage, CEO & Co-Founder of Musiio – Interview Series

Musiio menyediakan analisis, penandaan, dan alat pencarian yang ditenagai AI untuk beberapa katalog musik terbesar di dunia, dengan pelanggan seperti Sony Music, Hipgnosis, Amanotes, Epidemic Sound, dan Blanco Y Negro. Sebagai gitaris yang mencintai rock dan bergabung sebagai Co-Founder & CEO, Hazel Savage telah menghabiskan 15 tahun di industri musik bekerja untuk beberapa merek musik terbesar di dunia – dari menumpuk rak di HMV, hingga mengelola tim di bisnis yang berada di garis depan mendengarkan dan merekomendasikan musik, Hazel memahami kebutuhan industri dari musisi hingga perusahaan multinasional besar.

Anda telah berada di industri musik selama lebih dari 15 tahun, apa yang membuat Anda sangat bersemangat tentang musik, dan mengapa Anda ingin terlibat dalam industri musik?

Orang tua saya cukup rock and roll. Mereka adalah penggemar musik besar, jadi saya selalu dikelilingi oleh musik saat tumbuh dewasa. Lalu, untuk ulang tahun ke-13 saya, saya mendapatkan gitar. Saya masih memainkannya dan memiliki passion untuk tampil secara langsung. Jadi, ketika saya mencoba menentukan apa yang akan saya lakukan dengan hidup saya, itu masuk akal untuk fokus pada sesuatu yang saya telah dedikasikan hampir semua waktu saya.

Saya melakukan banyak hal yang terkait. Saya bermain di sebuah band. Saya mengelola band. Saya menjalankan malam klub. Saya menyebarkan selebaran untuk malam klub orang lain, mengelola daftar tamu, dan sebelum saya tahu, itu menjadi karier, meskipun dengan sentuhan teknologi.

Apakah Anda bisa membagikan cerita asal Musiio?

Pekerjaan pertama saya setelah lulus universitas adalah menumpuk rak di HMV (toko rekaman Inggris). Jadi, Anda bisa mengatakan bahwa saya telah menyadari masalah dengan mengkategorikan musik sejak saat itu. Beberapa tahun kemudian (melalui Shazam, Pandora, dan Universal), dan saya bekerja untuk sebuah platform musik UGC dengan ribuan trek yang diunggah setiap hari. Saya bekerja dengan seorang pengatur playlist yang harus mengumpulkan musik terbaik secara manual ke dalam playlist. Dia mendengarkan ratusan trek setiap hari. Beberapa hari dia memiliki konten yang cukup untuk sebuah playlist. Beberapa hari dia tidak. Saya mulai bertanya-tanya apakah ada cara untuk mengotomatisasi menemukan trek terbaik untuk sebuah skenario tertentu. Dengan cara itu, dia bisa menggunakan keterampilannya sebagai ahli musik untuk kurasi, bukan hanya bertindak sebagai filter untuk musik yang buruk.

Musiio dibentuk ketika saya bertemu dengan co-founder saya Aron Pettersson melalui inkubator startup Entrepreneur First di Singapura pada 2018. Aron adalah seorang jenius AI. Ketika kami berbicara tentang cara kami bisa bekerja sama, kami menyadari bahwa kami mungkin bisa menggunakan keterampilan AI Aron untuk memecahkan masalah penyaringan berbasis musik, secara otomatis menandai atau mencari musik dengan genre, mood, BPM, dll atau pencarian berbasis sidik jari. Aron membangun prototipe algoritma dalam satu sore, dan kami menjalankannya pada arsip musik gratis. Kami pergi makan siang, meninggalkannya untuk memproses data. Ketika kami kembali, kami terkejut dengan akurasi hasilnya. Kami tidak bisa berharap untuk konsep bukti yang lebih sukses. Dari sana, kami telah mengoptimalkan algoritma secara besar-besaran. Kami memiliki tim musik yang membantu mengajar AI dan melakukan QA, dan kami telah merilis produk untuk penandaan, pencarian referensi audio, pembuatan playlist, dan bahkan pemilihan segmen lagu untuk platform seperti TikTok.

Apa jenis algoritma pembelajaran mesin yang digunakan?

Kami telah membangun algoritma propietary kami sendiri, dan kami menganggap ini sebagai saus rahasia kami! Co-founder saya Aron telah berada di garis depan pembelajaran mesin selama lebih dari satu dekade bekerja di bidang biologi molekuler, neurosains, fisika, dan bahkan pengembangan game. Dia memimpin tim AI kami. Kami juga memanfaatkan teknologi yang tersedia seperti TensorFlow, Kubernetes, dan Google Cloud Services untuk skalabilitas dan untuk mengirimkan produk kami pada skala besar, pada volume terbesar kami, kami menandai 5.000.000 trek per hari! Kami juga telah menghabiskan waktu dan upaya yang signifikan untuk merampingkan alur kerja kami di JIRA; ini tidak hanya tentang alat yang Anda gunakan tetapi tentang seberapa efisien Anda bisa bekerja dengan tim pengembang dan ahli musik. Penggabungan kedua tim AI dan Musik adalah bagian kedua dari saus rahasia kami.

Apa tantangan yang dihadapi dalam membangun mesin pencari untuk musik?

Kecepatan dan akurasi adalah tantangan besar dengan pencarian. Ini harus cepat karena orang menggunakan itu dalam waktu nyata. Ini berbeda dengan penandaan karena pengguna sering membuat beberapa kueri pencarian, tetapi penandaan hanya terjadi sekali.

Ada beberapa hal yang bisa Anda lakukan untuk mempercepat pencarian. Anda bisa hanya menampilkan trek yang berbagi tag yang sama dengan trek referensi Anda, tetapi Anda akan mengorbankan akurasi. Pencarian referensi audio murni di seluruh katalog 200 juta trek, misalnya, dapat memakan waktu lama, jadi Anda terus-menerus menyeimbangkan kecepatan dan akurasi dan mencari solusi. Ini sulit dan beberapa di antaranya adalah pengetahuan yang sulit diperoleh, tetapi apa yang bisa saya bagikan adalah bahwa kami mengubah file audio menjadi spektrogram, sidik jari audio yang sangat detail, dan ketika kami melakukan pencarian referensi audio, algoritma menganalisis hingga 1.500 poin data – jauh melampaui apa yang mungkin dilakukan dengan tag kata saja. Dan itu mendeteksi fitur musik yang sulit digambarkan seperti kualitas vokal, nuansa, dan getaran. Kami juga memungkinkan pengguna untuk mendefinisikan filter, sehingga pencarian mereka dapat lebih cepat dan lebih fokus.

Tantangan lainnya adalah bagaimana Anda mengelola relevansi. Kebanyakan orang tidak akan melewati halaman pertama hasil, jadi kami telah menghabiskan banyak waktu untuk itu.

Apa masalah yang dipecahkan Musiio untuk klien B2B?

Kami melayani siapa saja dengan katalog musik. Kami telah membangun teknologi untuk skala, apakah Anda seorang musisi yang tidak memiliki waktu untuk menandai musik dan ingin fokus pada menciptakan, atau layanan streaming dengan ratusan juta trek.

Kami membantu label rekaman mengatur data mereka untuk navigasi katalog yang lebih baik, kami membantu perusahaan sinkronisasi (yang memasukkan musik ke video/TV dan film) menemukan permata tersembunyi, dan kami membantu layanan streaming membangun playlist yang lebih baik. Masalah yang dihadapi perusahaan ini adalah bahwa pemrosesan audio secara manual dengan mendengarkan setiap trek sangat memakan waktu dan sulit dilakukan dengan akurat untuk jangka waktu yang lama. Saya menandai 1000 trek sebagai eksperimen. Itu memakan waktu dua minggu dan tidak menyenangkan sama sekali. AI kami dapat menandai jutaan trek per hari dengan akurasi 90-99%.

Dengan produk Pencarian Musiio kami, kami memungkinkan pelanggan B2B kami untuk menawarkan pencarian referensi audio sebagai fitur. Jika seorang produser video mencari penempatan musik, mereka akan memulai dengan memahami harapan klien mereka tentang genre, mood, BPM, dan kemudian mencari di situs mereka.

Musiio memotong proses ini dengan memungkinkan produser video yang sama untuk menggunakan ‘trek referensi’ untuk mencari database seluruhnya dalam hitungan detik. AI kami akan memindai trek referensi dan mengembalikan pertandingan audio terdekat.

Musiio baru-baru ini meluncurkan produk NFT Song Slicer, bisa Anda jelaskan apa itu?

NFT Song Slicer adalah prototipe yang dirancang untuk membantu seniman mendapatkan nilai lebih dari musik mereka. Ini menggunakan proses yang ditenagai AI untuk menemukan hook yang diinginkan dalam sebuah trek – hingga tiga per lagu – dan memberikan kode waktu sehingga seniman dapat memalsukan bagian-bagian lagu ini sebagai NFT. Ini juga dapat melakukannya secara otomatis untuk seluruh katalog, membuatnya lebih mudah bagi label dan seniman dengan katalog besar untuk dengan cepat membuat aset digital yang dapat dikoleksi.

Apa beberapa kasus penggunaan potensial untuk produk Song Slicer seperti ini?

Untuk pemilik katalog atau seniman dengan katalog yang luas, NFT Song Slicer dapat memilih bagian paling berharga dalam jutaan lagu per hari. Label rekaman, misalnya, dapat mengubah irisan lagu ini menjadi NFT dan menjualnya sebagai barang dagangan digital terbatas.

Dengan revolusi streaming, itu menjadi sulit bagi penggemar untuk mendapatkan dolar di kantong seniman yang mereka cintai. Kami melihat NFT Song Slicer sebagai cara bagi penggemar untuk mendukung seniman favorit mereka, dan bagi penggemar untuk memiliki koleksi digital. Setiap irisan juga dapat dihargai secara berbeda oleh pemegang hak. Misalnya, chorus mungkin lebih mahal daripada verse.

Dan, karena NFT Song Slicer mengidentifikasi bagian paling berharga dari sebuah trek, kami melihat teknologi ini menawarkan prediksi nilai untuk NFT dan bahkan katalog musik seluruhnya.

Apa visi Anda untuk masa depan Musiio?

Saya mengatakan bahwa Musiio adalah sepertiga dari perusahaan senilai miliaran dolar. Untuk membangun perusahaan itu, Anda perlu tiga bagian. Bagian pertama adalah akses legal ke volume data yang besar, atau “pipa”. Bagian kedua adalah teknologi. Ini adalah kami, dan kami sangat baik dalam melakukan apa yang kami lakukan. Bagian ketiga dan terakhir adalah label: cara untuk memonetisasi apa yang Anda temukan, cari, atau temukan. Musiio selalu bekerja menuju tujuan jangka panjang ini.

Apakah Anda merasa bahwa AI akan dapat menulis dan menghasilkan musik di masa depan?

Saya cukup terbuka tentang tidak menjadi penggemar besar AI untuk kreativitas. Ini adalah eksperimen akademis yang menyenangkan, dan ada sistem yang melakukannya, tetapi saya tidak melihat kebutuhan untuk itu. Musiio bekerja sangat baik karena tidak ada yang ingin menandai ribuan lagu per hari. Ini tidak menyenangkan, dan Anda tidak perlu orang untuk melakukannya secara efektif atau cepat. Tapi pembuatan musik? Saya tidak yakin. Tidak ada kekurangan orang yang ingin membuat musik.

Meskipun demikian, saya pikir kita setidaknya lima hingga 10 tahun lagi sebelum musik yang dihasilkan AI terdengar bagus. Saya mendengar beberapa musik piano yang dihasilkan AI hari lain, dan itu sulit untuk mengetahui apakah itu ditulis oleh AI atau hanya seseorang yang tidak terlalu berpengalaman. Saya tidak yakin bahwa kinerja AI akan pernah tidak dapat dibedakan dari pemain manusia yang berpengalaman.

Dan mengapa Anda ingin itu terjadi? Jadi banyak dari apa yang membuat musik menarik adalah lore di sekitar seorang seniman, persona, gaya, dan pesan mereka. Ini tidak hanya tentang musik.

Apakah ada hal lain yang ingin Anda bagikan tentang Musiio?

Saya sangat bersemangat bahwa Musiio baru saja dianugerahi posisi ke-4 dalam 10 Perusahaan Musik Paling Inovatif 2022 oleh Fast Company. Tim dan teknologi kami telah tumbuh dari biji ide menjadi pengakuan internasional bersama dengan nama-nama besar industri seperti Hipgnosis dan SoundCloud. Ini adalah penghormatan kepada darah, keringat, dan air mata yang telah dikeluarkan tim kami untuk produk-produk kami yang memimpin industri. Kami sangat bersemangat untuk berada di garis depan persimpangan antara musik dan teknologi. Dan mengetahui bahwa ada kasus penggunaan yang belum kami pikirkan membuat saya sangat bersemangat tentang masa depan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Musiio.