Hazel Savage, CEO e co-fondatrice di Musiio – Serie di interviste

Musica fornire strumenti di analisi, tagging e ricerca basati sull'intelligenza artificiale ad alcuni dei più grandi cataloghi musicali del mondo, annoverando tra i propri clienti Sony Music, Hipgnosis, Amanotes, Epidemic Sound e Blanco Y Negro.

Chitarrista amante del rock diventato co-fondatore e amministratore delegato, Hazel Savage ha trascorso 15 anni nell'industria musicale lavorando per alcuni dei più grandi marchi musicali del mondo: dall'impilare scaffali all'HMV, alla gestione di team in aziende all'avanguardia nell'ascolto di musica e raccomandazioni, Hazel comprende le esigenze del settore, dal musicista alla grande multinazionale.

Lavori nell'industria musicale da oltre 15 anni, cosa ti rende così appassionato di musica e perché hai voluto essere coinvolto nell'industria musicale?

I miei genitori erano piuttosto rock and roll. Erano grandi fan della musica, quindi sono sempre stato circondato dalla musica crescendo. Poi, per il mio tredicesimo compleanno, ho ricevuto una chitarra. Suono ancora e ho una passione per le esibizioni dal vivo. Quindi, quando stavo cercando di capire cosa avrei fatto della mia vita, aveva senso concentrarsi su qualcosa a cui avevo dedicato quasi tutto il mio tempo.

Ho finito per fare un sacco di cose tangenzialmente correlate. Ho suonato in una band. Ho gestito band. Gestivo serate in discoteca. Distribuivo volantini per le serate in discoteca di altre persone, stilavo elenchi di invitati e, prima che me ne rendessi conto, è diventata una carriera, anche se decisamente con un'inclinazione tecnologica.

Potresti condividere la storia della genesi di Musiio?

Il mio primo lavoro dopo l'università è stato impilare scaffali in HMV (il negozio di dischi del Regno Unito). Quindi, si potrebbe dire che da allora sono consapevole dei problemi con la categorizzazione della musica. Avanti veloce di qualche anno (tramite Shazam, Pandora e Universal) e stavo lavorando per una piattaforma musicale UGC con migliaia di brani caricati al giorno. Ho lavorato con un playlister che doveva raccogliere manualmente i migliori caricamenti musicali nelle playlist. Ascoltava centinaia di brani al giorno. Alcuni giorni aveva abbastanza contenuti adatti per una playlist. Alcuni giorni non lo faceva. Ho iniziato a chiedermi se potesse esserci un modo per automatizzare la ricerca delle tracce migliori per un determinato scenario. In questo modo, ha potuto usare le sue capacità di esperto di musica per la curatela, piuttosto che fungere solo da filtro per la cattiva musica.

Musiio si è formato quando ho incontrato il mio co-fondatore Aron Pettersson attraverso l'incubatore di start-up Entrepreneur First a Singapore nel 2018. Aron è un genio dell'IA. Quando stavamo parlando dei modi in cui avremmo potuto lavorare insieme, ci siamo resi conto che avremmo potuto utilizzare le capacità di intelligenza artificiale di Aron per risolvere il problema del filtraggio basato sulla musica, contrassegnare automaticamente o cercare la musica con generi, stati d'animo, BPM, ecc. o ricerche basate sulle impronte digitali . Aron ha costruito un prototipo dell'algoritmo in un pomeriggio e l'abbiamo messo in funzione su un archivio musicale gratuito. Siamo usciti a pranzo, lasciando che elaborasse i dati. Quando siamo tornati, siamo rimasti stupiti dall'accuratezza dei risultati. Non avremmo potuto sperare in un proof of concept più riuscito. Da lì, abbiamo ottimizzato l'algoritmo in modo massiccio. Abbiamo un team musicale che aiuta a insegnare l'intelligenza artificiale e conduce il controllo di qualità e abbiamo rilasciato prodotti per l'etichettatura, la ricerca di riferimenti audio, la creazione di playlist e persino la selezione di segmenti di brani per piattaforme come TikTok.

Quali sono i diversi tipi di algoritmi di apprendimento automatico utilizzati?

Abbiamo creato i nostri algoritmi proprietari e consideriamo questa la nostra salsa segreta! Il mio co-fondatore Aron è stato in prima linea nell'apprendimento automatico per oltre un decennio lavorando attraverso la biologia molecolare, le neuroscienze, la fisica e persino lo sviluppo di giochi. È a capo del nostro team di intelligenza artificiale. Sfruttiamo anche la grande tecnologia disponibile come TensorFlow, Kubernetes e Google Cloud Services per la scalabilità e per fornire i nostri prodotti su vasta scala, con il nostro volume più grande taggavamo 5,000,000 di tracce al giorno! Abbiamo anche speso molto tempo e sforzi per semplificare i nostri flussi di lavoro in JIRA; non si tratta solo degli strumenti che utilizzi, ma dell'efficienza con cui puoi lavorare con un team di sviluppatori ed esperti di musica. La combinazione delle due squadre AI e Music è la seconda parte della nostra salsa segreta.

Quali sono alcune delle sfide alla base della creazione di un motore di ricerca per la musica?

La velocità e la precisione sono le grandi sfide della ricerca. Deve essere veloce perché le persone lo usano in tempo reale. Questo è diverso dal tagging perché un utente spesso effettua diverse query di ricerca, ma il tagging avviene solo una volta.

Ci sono varie cose che puoi fare per velocizzare la ricerca. Potresti semplicemente mostrare tracce che condividono gli stessi tag della tua traccia seme, ma sacrificheresti la precisione. Una pura ricerca di riferimenti audio in un catalogo di 200 milioni di tracce, ad esempio, può richiedere molto tempo, quindi devi costantemente bilanciare velocità e precisione e cercare soluzioni. È complicato e in parte è una conoscenza conquistata a fatica, ma quello che posso condividere è che convertiamo i file audio in spettrogrammi, impronte digitali altamente dettagliate dei file audio e quando conduciamo una ricerca di riferimento audio, l'algoritmo analizza fino a 1,500 punti dati – ben oltre ciò che è possibile con i soli tag di parole. E raccoglie caratteristiche musicali difficili da descrivere come la qualità vocale, l'atmosfera e l'atmosfera. Consentiamo inoltre agli utenti di definire i filtri, in modo che le loro ricerche possano essere più veloci e mirate.

Un'altra sfida è come gestisci la pertinenza. La maggior parte delle persone non andrà oltre la prima pagina dei risultati, quindi ci abbiamo dedicato molto tempo.

Quali problemi risolve Musiio per i clienti b2b?

Serviamo chiunque abbia un catalogo musicale. Abbiamo costruito la tecnologia per scalare, sia che tu sia un musicista che non ha tempo per etichettare la musica e vuole concentrarsi sulla creazione, o un servizio di streaming con centinaia di milioni di brani.

Aiutiamo le etichette discografiche a organizzare i propri dati per una migliore navigazione nel catalogo, aiutiamo le aziende di sincronizzazione (che inseriscono musica in video/TV e film) a scoprire gemme nascoste e aiutiamo i servizi di streaming a creare playlist migliori. Il problema che tutte queste aziende devono affrontare è che l'elaborazione manuale dell'audio ascoltando ogni traccia è laboriosa e difficile da eseguire con precisione per un periodo prolungato. Ho taggato 1000 tracce come esperimento. Ci sono volute due settimane e non è stato affatto divertente. La nostra intelligenza artificiale può contrassegnare milioni di brani al giorno con una precisione del 90-99%.

Con il nostro prodotto Musiio Search, consentiamo ai nostri clienti B2B di offrire la ricerca di riferimenti audio come funzionalità. Se un produttore di video è alla ricerca di un posizionamento musicale, dovrebbe iniziare comprendendo le aspettative del cliente in termini di genere, umore, BPM e quindi cercare sul sito prescelto.

Musiio accorcia questo processo con i nostri partner che installano la nostra ricerca consentendo allo stesso produttore di video di utilizzare una "traccia di riferimento" per cercare nell'intero database in pochi secondi. La nostra intelligenza artificiale eseguirà la scansione della traccia di riferimento e restituirà le corrispondenze audio più vicine.

Musiio ha recentemente lanciato un prodotto NFT Song Slicer, potresti descrivere di cosa si tratta?

NFT Song Slicer è un prototipo progettato per aiutare gli artisti a ottenere più valore dalla loro musica. Utilizza un processo guidato dall'intelligenza artificiale per trovare gli agganci desiderabili in una traccia, fino a tre per canzone, e fornisce i codici temporali in modo che un artista possa coniare queste sezioni di canzoni come NFT. Può anche farlo automaticamente per interi cataloghi, rendendo più semplice per le etichette e gli artisti con grandi cataloghi arretrati la creazione rapida di nuove risorse digitali da collezione.

Quali sono alcuni potenziali casi d'uso per questo tipo di prodotto Song Slicer?

Per i proprietari di cataloghi o artisti con un ampio catalogo arretrato, NFT Song Slicer può selezionare le sezioni più preziose in milioni di brani al giorno. Le etichette discografiche, ad esempio, possono quindi trasformare queste parti di canzoni in NFT e venderle come merchandising digitale in edizione limitata.

Con la rivoluzione dello streaming, è diventato difficile per i fan mettere un dollaro nelle tasche degli artisti che amano. Consideriamo NFT Song Slicer come un modo per i fan di supportare i loro artisti preferiti e per i fan di possedere oggetti da collezione digitali. Ogni fetta può anche essere prezzata in modo diverso da un titolare dei diritti. Ad esempio, un ritornello potrebbe costare più di una strofa.

E, poiché NFT Song Slicer identifica le sezioni più preziose di una traccia, vediamo che questa tecnologia offre previsioni di valore per NFT e persino interi cataloghi musicali.

Qual è la tua visione per il futuro di Musiio?

Dico che Musiio è un terzo di un'azienda da miliardi di dollari. Per costruire quell'azienda, hai bisogno di tre parti. Il primo è l'accesso legale a grandi volumi di dati, o "pipeline". La seconda parte è la tecnologia. Questi siamo noi, e siamo molto bravi in ​​quello che facciamo. La terza e ultima parte è un'etichetta: un modo per monetizzare ciò che trovi, cerchi o scopri. Musiio lavora sempre per raggiungere questo obiettivo a lungo termine.

Pensi che l'intelligenza artificiale sarà in grado di scrivere e generare musica nel prossimo futuro?

Sono abbastanza esplicito sul fatto di non essere un grande fan dell'intelligenza artificiale per la creatività. È un divertente esperimento accademico e ci sono sistemi che lo fanno, ma non ne vedo la necessità. Musiio funziona così bene perché nessuno vuole taggare migliaia di canzoni al giorno. Non è divertente e non hai bisogno di una persona per farlo in modo efficace o rapido. Ma fare musica? Non sono così sicuro. Non mancano le persone che vogliono fare musica.

Anche così, penso che ci vorranno almeno 10-XNUMX anni prima che la musica generata dall'intelligenza artificiale suoni bene. L'altro giorno ho sentito un po' di musica per pianoforte generata dall'intelligenza artificiale, ed è difficile dire se sia stata scritta dall'intelligenza artificiale o solo da qualcuno che non è molto esperto. Non sono convinto che un'esibizione di IA sarà mai indistinguibile da un abile giocatore umano.

E perché vorresti che lo fosse? Gran parte di ciò che rende la musica interessante è la tradizione che circonda un artista, la sua persona, lo stile e il messaggio. Non si tratta solo di musica.

C'è qualcos'altro che vorresti condividere su Musiio?

Sono molto felice che Musiio abbia appena ottenuto il quarto posto in Fast Company's Le 10 aziende musicali più innovative del 2022. Il nostro team e la nostra tecnologia sono cresciuti dal seme di un'idea fino a ottenere riconoscimenti internazionali insieme a grandi nomi del settore come Hipgnosis e SoundCloud. È un tributo al sangue, al sudore e alle lacrime che il nostro team ha messo nei nostri prodotti leader del settore. Siamo così entusiasti di essere all'avanguardia nell'intersezione tra musica e tecnologia. E sapere che ci sono casi d'uso a cui non abbiamo ancora pensato mi rende molto entusiasta del futuro.

Grazie per l'ottima intervista, i lettori che desiderano saperne di più dovrebbero visitare Musica.