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

Musiio biedt AI-gebaseerde analyse-, tag- en zoektools voor enkele van ‘s werelds grootste muziekcatalogi, met klanten zoals Sony Music, Hipgnosis, Amanotes, Epidemic Sound en Blanco Y Negro. Een rock-liefhebbende gitarist die Co-Founder & CEO is geworden, heeft Hazel Savage 15 jaar in de muziekindustrie gewerkt voor enkele van ‘s werelds grootste muziekbands – van het stapelen van schappen bij HMV tot het leiden van teams in bedrijven die aan de voorlopers van muziekluisteren en -aanbevelingen werken, Hazel begrijpt de behoeften van de industrie, van muzikant tot grote multinationals. U bent al meer dan 15 jaar actief in de muziekindustrie, wat maakt u zo gepassioneerd over muziek, en waarom wilde u betrokken raken bij de muziekindustrie? Mijn ouders waren behoorlijk rock-‘n-roll. Ze waren enorme muziekliefhebbers, dus ik werd altijd omringd door muziek toen ik opgroeide. Toen ik voor mijn 13e verjaardag een gitaar kreeg, speel ik nog steeds en heb ik een passie voor optreden. Dus toen ik besloot wat ik met mijn leven wilde doen, leek het logisch om me te concentreren op iets waar ik bijna al mijn tijd aan had besteed. Ik heb allerlei dingen gedaan die indirect met muziek te maken hadden. Ik speelde in een band. Ik beheerde bands. Ik organiseerde clubnachten. Ik deelde flyers uit voor andermans clubnachten, ik beheerde gastenlijsten, en voordat ik het wist, werd het een carrière, hoewel zeker met een technische inslag. Kunt u het verhaal achter Musiio delen? Mijn eerste baan na mijn studie was het stapelen van schappen bij HMV (de Britse platenwinkel). Dus, je zou kunnen zeggen dat ik me al vanaf het begin bewust was van de problemen met het categoriseren van muziek. Een paar jaar later (via Shazam, Pandora en Universal) werkte ik voor een UGC-muziekplatform met duizenden tracks die elke dag werden geüpload. Ik werkte met een playlist-maker die handmatig de beste muziekuploads moest verzamelen in playlists. Hij luisterde elke dag naar honderden tracks. Sommige dagen had hij genoeg geschikte content voor een playlist. Sommige dagen niet. Ik begon me af te vragen of er een manier was om het vinden van de beste tracks voor een bepaalde situatie te automatiseren. Zo kon hij zijn vaardigheden als muziekkundige gebruiken voor curatie, in plaats van alleen als filter voor slechte muziek. Musiio werd gevormd toen ik mijn mede-oprichter Aron Pettersson ontmoette via de start-up-incubator Entrepreneur First in Singapore in 2018. Aron is een AI-genie. Toen we praatten over manieren waarop we konden samenwerken, realiseerden we ons dat we Arons AI-vaardigheden mogelijk konden gebruiken om het probleem van muziekgebaseerde filtering op te lossen, door muziek automatisch te taggen of te zoeken met genres, sferen, BPM, enz. of op vingerafdruk gebaseerde zoekopdrachten. Aron bouwde een prototype van de algoritme in een middag, en we zetten het aan het werk op een gratis archief van muziek. We gingen uit lunchen, en lieten het de gegevens verwerken. Toen we terugkwamen, waren we verbaasd over de nauwkeurigheid van de resultaten. We hadden niet gehoopt op een succesvollere proof of concept. Vanaf daar hebben we de algoritme enorm geoptimaliseerd. We hebben een muziekteam dat helpt om de AI te leren en kwaliteitscontrole uit te voeren, en we hebben producten uitgebracht voor tagging, audio-referentiezoekopdrachten, playlisting en zelfs song-segmentselectie voor platforms zoals TikTok. Welke soorten machine learning-algoritmen worden gebruikt? We hebben onze eigen propriëtaire algoritmen gebouwd, en we beschouwen dit als ons geheime saus! Mijn mede-oprichter Aron is al meer dan tien jaar actief in machine learning en heeft gewerkt aan moleculaire biologie, neurologie, natuurkunde en zelfs gamesontwikkeling. Hij leidt ons AI-team. We maken ook gebruik van geweldige beschikbare technologie zoals TensorFlow, Kubernetes en Google Cloud Services voor schaalbaarheid en om onze producten op grote schaal te leveren, op ons grootste volume hebben we 5.000.000 tracks per dag getagd! We hebben ook veel tijd en moeite gestoken in het stroomlijnen van onze workflows in JIRA; het gaat niet alleen om welke tools je gebruikt, maar hoe efficiënt je kunt werken met een team van ontwikkelaars en muziekkundigen. De combinatie van de twee teams, AI en Muziek, is het tweede deel van ons geheime saus. Wat zijn enkele van de uitdagingen achter het bouwen van een zoekmachine voor muziek? Snelheid en nauwkeurigheid zijn de grote uitdagingen bij zoekopdrachten. Het moet snel zijn omdat mensen het in real-time gebruiken. Dit is anders dan tagging, omdat een gebruiker meerdere zoekopdrachten kan uitvoeren, maar tagging gebeurt maar één keer. Er zijn verschillende dingen die je kunt doen om de zoekopdracht te versnellen. Je zou alleen tracks kunnen laten zien die dezelfde tags hebben als je seed-track, maar je zou nauwkeurigheid opofferen. Een pure audio-referentiezoekopdracht in een catalogus van 200 miljoen tracks kan veel tijd kosten, dus je zoekt constant naar oplossingen om snelheid en nauwkeurigheid in balans te brengen. Het is lastig en sommige kennis is hard verworven, maar wat ik kan delen is dat we audio-bestanden omzetten in spectrogrammen, zeer gedetailleerde vingerafdrukken van audio-bestanden, en wanneer we een audio-referentiezoekopdracht uitvoeren, analyseert de algoritme tot 1.500 datapunten – ver beyond wat mogelijk is met woord-tags alleen. En het pikt moeilijk te beschrijven muzikale kenmerken zoals vocale kwaliteit, sfeer en vibe. We laten gebruikers ook filters definiëren, zodat hun zoekopdrachten sneller en meer gefocust kunnen zijn. Een andere uitdaging is hoe je relevantie beheert. De meeste mensen gaan niet verder dan de eerste pagina met resultaten, dus we hebben veel tijd besteed aan dat. Welke problemen lost Musiio op voor b2b-klanten? We dienen iedereen met een muziekcatalogus. We hebben de technologie gebouwd om te schalen, of je nu een muzikant bent die geen tijd heeft om muziek te taggen en zich wilt concentreren op creatie, of een streamingdienst met honderden miljoenen tracks. We helpen platenlabels om hun gegevens te organiseren voor betere catalogusnavigatie, we helpen synchronisatiebedrijven (die muziek aan video/TV en film toevoegen) om verborgen schatten te ontdekken, en we helpen streamingdiensten om betere playlists te bouwen. Het probleem dat al deze bedrijven tegenkomen is dat het verwerken van audio handmatig door naar elke track te luisteren arbeidsintensief is en moeilijk te doen met consistentie voor een langere periode. Ik tagde 1000 tracks als experiment. Het duurde twee weken en was niet leuk om te doen. Onze AI kan miljoenen tracks per dag taggen met 90-99% nauwkeurigheid. Met ons Musiio Search-product laten we onze b2b-klanten audio-referentiezoekopdrachten aanbieden als functie. Als een videoproductie op zoek is naar een muziekplaatsing, zou hij beginnen met het begrijpen van de verwachtingen van zijn klant over genre, sfeer, BPM, en dan zoeken op zijn gekozen site. Musiio versnelt dit proces met onze partners die onze zoekfunctie installeren, door de videoproductie te laten gebruiken van een ‘referentietrack’ om de hele database binnen seconden te doorzoeken. Onze AI scant de referentietrack en retourneert de nauwkeurigste audio-overeenkomsten. Musiio heeft onlangs een NFT Song Slicer-product gelanceerd, kunt u beschrijven wat dit is? NFT Song Slicer is een prototype ontworpen om artiesten meer waarde te geven aan hun muziek. Het gebruikt een AI-gestuurde proces om gewilde hooks in een track te vinden – tot drie per nummer – en geeft tijdcodes zodat een artiest deze songsecties als NFT’s kan munten. Het kan dit ook automatisch doen voor hele catalogi, waardoor het voor labels en artiesten met grote achterliggende catalogi gemakkelijker wordt om snel nieuwe digitale verzamelobjecten te creëren. Wat zijn enkele potentiële use cases voor dit type Song Slicer-product? Voor cataloguseigenaren of artiesten met een uitgebreide achterliggende catalogus kan NFT Song Slicer de meest waardevolle secties in miljoenen nummers per dag selecteren. Platenlabels kunnen bijvoorbeeld deze song-slices omzetten in NFT’s en ze verkopen als beperkte digitale merchandise. Met de streamingrevolutie is het moeilijk geworden voor fans om een dollar in de zak van de artiesten te krijgen die ze liefhebben. We zien NFT Song Slicer als een manier voor fans om hun favoriete artiesten te steunen, en voor fans om digitale verzamelobjecten te bezitten. Elk slice kan ook anders geprijsd worden door een rechthebbende. Bijvoorbeeld, een refrein kan meer kosten dan een couplet. En, omdat NFT Song Slicer de meest waardevolle secties van een track identificeert, zien we deze technologie als een manier om waardevoorspellingen te bieden voor NFT’s en zelfs hele muziekcatalogi. Wat is uw visie voor de toekomst van Musiio? Ik zeg dat Musiio een derde is van een miljardenbedrijf. Om dat bedrijf op te bouwen, heb je drie delen nodig. Het eerste deel is legale toegang tot grote hoeveelheden gegevens, of een ‘pijplijn’. Het tweede deel is de technologie. Dat zijn wij, en we zijn erg goed in wat we doen. Het derde en laatste deel is een label: een manier om te monetiseren wat je vindt, zoekt of ontdekt. Musiio werkt altijd naar dit langetermijndoel. Vindt u dat AI in de nabije toekomst in staat zal zijn om muziek te schrijven en te genereren? Ik ben behoorlijk openhartig over niet een enorme fan te zijn van AI voor creativiteit. Het is een leuk academisch experiment, en er zijn systemen die het doen, maar ik zie niet het nut ervan. Musiio werkt zo goed omdat niemand duizenden nummers per dag wil taggen. Het is niet leuk om te doen, en je hebt geen persoon nodig om het effectief of snel te doen. Maar muziek maken? Ik ben niet zo zeker. Er is geen tekort aan mensen die muziek willen maken. Zelfs zo, denk ik dat we minstens vijf tot tien jaar verwijderd zijn van AI-gegenereerde muziek die goed klinkt. Ik hoorde onlangs enige AI-gegenereerde pianomuziek, en het is moeilijk te zeggen of het door AI of door iemand die niet erg bedreven is, is geschreven. Ik ben niet overtuigd dat een AI-prestatie ooit ononderscheidbaar zal zijn van een bekwame menselijke speler. En waarom zou je dat willen? Zo veel van wat muziek interessant maakt, is de lore rond een artiest, hun persoon, stijl en boodschap. Het gaat niet alleen om de muziek. Is er nog iets anders dat u zou willen delen over Musiio? Ik ben erg enthousiast dat Musiio zojuist de nummer 4-positie kreeg in Fast Company’s 10 meest innovatieve muziekbedrijven van 2022. Ons team en technologie is gegroeid van het zaad van een idee tot internationale erkenning naast grote namen in de industrie zoals Hipgnosis en SoundCloud. Het is een eerbetoon aan het bloed, zweet en tranen dat ons team in onze industrieleidende producten heeft gestoken. We zijn zo enthousiast om aan de voorlopers van de kruispunt van muziek en technologie te zijn. En wetend dat er use cases zijn die we nog niet hebben bedacht, maakt me erg enthousiast over de toekomst. Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken Musiio.