Hazel Savage, CEO og medgrunnlegger av Musiio – Intervju-serie

Musiio tilbyr AI-drevet analyse, tagging og søkeverktøy til noen av verdens største musikkataloger, med kunder som Sony Music, Hipgnosis, Amanotes, Epidemic Sound og Blanco Y Negro.

En gitarist som elsker rock, som har blitt CEO og medgrunnlegger, Hazel Savage har tilbragt 15 år i musikkindustrien og har arbeidet for noen av verdens største musikkselskaper – fra å stable hyller i HMV til å lede team i bedrifter som er i forkant av musikklytting og anbefalinger. Hazel forstår behovene i industrien, fra musikere til store multinasjonale selskaper.

Du har vært i musikkindustrien i over 15 år, hva gjør deg så lidenskapelig om musikk, og hvorfor ville du bli involvert i musikkindustrien?

Foreldrene mine var ganske rock and roll. De var store musikkfans, så jeg var alltid omgitt av musikk da jeg vokste opp. Da jeg fylte 13, fikk jeg en gitar. Jeg spiller fortsatt og har en lidenskap for å opptre live. Så da jeg skulle finne ut hva jeg skulle gjøre med livet, var det logisk å fokusere på noe jeg hadde viet nesten all min tid til.

Jeg endte med å gjøre en rekke ting som var relatert til musikk. Jeg spilte i et band. Jeg ledet band. Jeg drev klubber. Jeg delte ut flygeblad for andres klubber, ledet gjestelister og før jeg visste ordet av det, ble det en karriere, selv om det definitivt hadde en teknisk vri.

Kunne du dele historien bak Musiio?

Min første jobb etter universitetet var å stable hyller i HMV (den britiske platebutikken). Så du kunne si at jeg har vært klar over problemene med å kategorisere musikk siden da. Et par år senere (via Shazam, Pandora og Universal), arbeidet jeg for en UGC-musikkplattform med tusenvis av spor lastet opp hver dag. Jeg arbeidet med en playlister som måtte manuelt samle de beste musikkopplastningene inn i playlister. Han lyttet til hundrevis av spor om dagen. Noen dager hadde han nok godt innhold for en playlist. Noen dager hadde han ikke. Jeg begynte å undre meg på om det kunne finnes en måte å automatisere prosessen med å finne de beste sporene for en gitt situasjon. På den måten kunne han bruke sine ferdigheter som musikkEkspert til kurering, i stedet for bare å fungere som en filter for dårlig musikk.

Musiio ble dannet da jeg møtte min medgrunnlegger Aron Pettersson gjennom start-up inkubatoren Entrepreneur First i Singapore i 2018. Aron er en AI-geni. Da vi snakket om måter å samarbeide på, innsett vi at vi kanskje kunne bruke Arons AI-ferdigheter til å løse problemet med musikkbasert filtrering, automatisk tagging eller søking av musikk med sjangere, humør, BPM osv. eller fingerprint-basert søking. Aron bygde en prototype av algoritmen på en ettermiddag, og vi satte den i gang med å prosessere en gratis musikksamling. Vi gikk ut til lunsj, og lot den prosessere dataene. Da vi kom tilbake, var vi overrasket over nøyaktigheten av resultatene. Vi kunne ikke ha håpet på en mer suksessfull proof of concept. Derfra har vi optimert algoritmen massivt. Vi har et musikteam som hjelper til å undervise AI-en og gjennomfører kvalitetskontroll, og vi har lansert produkter for tagging, audio-referanse-søk, playlisting og selv sang-segment-valg for plattformer som TikTok.

Hva er de forskjellige typene maskinlæringsalgoritmer som brukes?

Vi har bygget våre egne proprietære algoritmer, og vi betrakter dette som vår hemmelige saus! Min medgrunnlegger Aron har vært i forkant av maskinlæring i over ett tiår, og har arbeidet med molekylærbiologi, nevrovitenskap, fysikk og sogar spillutvikling. Han leder vårt AI-team. Vi tar også i bruk fantastisk tilgjengelig teknologi som TensorFlow, Kubernetes og Google Cloud Services for skalerbarhet og for å levere våre produkter på en massiv skala, på vårt største volum var vi tagging 5 000 000 spor om dagen! Vi har også brukt mye tid og anstrengelse på å strømlinje våre arbeidsflyter i JIRA; det er ikke bare om hvilke verktøy du bruker, men hvordan du kan arbeide effektivt med et team av utviklere og musikkEkspert. Kombinasjonen av de to teamene, AI og musikk, er den andre delen av vår hemmelige saus.

Hva er noen av utfordringene med å bygge en søkemotor for musikk?

Hastighet og nøyaktighet er de store utfordringene med søk. Det må gå fort, fordi folk bruker det i sanntid. Dette er forskjellig fra tagging, fordi en bruker ofte gjør flere søkeforespørsler, men tagging skjer bare en gang.

Det finnes flere ting du kan gjøre for å øke søkehastigheten. Du kunne bare vise spor som deler samme tags som ditt seed-spor, men du ville ofre nøyaktighet. En ren audio-referanse-søk over en katalog på 200 millioner spor, for eksempel, kan ta lang tid, så du balanserer alltid hastighet og nøyaktighet og søker etter løsninger. Det er vanskelig, og noe av det er hardt-vunnet kunnskap, men det jeg kan dele er at vi konverterer audio-filer til spektrogrammer, høyt detaljerte fingeravtrykk av audio-filer, og når vi gjennomfører en audio-referanse-søk, analyserer algoritmen opptil 1 500 data-punkter – langt utover hva som er mulig med ord-tags alene. Og det fanger vanskelige å beskrive musikalske egenskaper som vokal-kvalitet, atmosfære og vibe. Vi lar også brukerne definere filtre, så deres søk kan være raskere og mer fokusert.

En annen utfordring er hvordan du håndterer relevans. De fleste mennesker vil ikke gå forbi den første siden med resultater, så vi har brukt mye tid på det.

Hva problemer løser Musiio for B2B-kunder?

Vi betjener alle som har en musikkatalog. Vi har bygget teknologien for å skaleres, enten du er en musiker som ikke har tid til å tagge musikk og ønsker å fokusere på å skape, eller en strømmetjeneste med hundredvis av millioner spor.

Vi hjelper plate-selskaper å organisere sine data for bedre katalog-navigasjon, vi hjelper sync-selskaper (som setter musikk til video/TV og film) å avdekke skjulte skatter, og vi hjelper strømmetjenester å bygge bedre playlister. Problemet alle disse selskapene står overfor er at å prosessere audio manuelt ved å lytte til hvert spor er arbeidskrevende og vanskelig å gjøre nøyaktig over en lengre periode. Jeg tagget 1000 spor som et eksperiment. Det tok to uker og var ikke morsomt i det hele tatt. Vår AI kan tagge millioner av spor om dagen med 90-99% nøyaktighet.

Med vårt Musiio Search-produkt lar vi våre B2B-kunder tilby audio-referanse-søk som en funksjon. Hvis en video-produsent søker etter en musikk-plassering, ville de starte med å forstå klientens forventninger om sjanger, humør, BPM og så søke på deres valgte side.

Musiio forkorter denne prosessen med våre partnere som installerer vårt søk, ved å la video-produsenten bruke en “referanse-spor” til å søke hele databasen innen sekunder. Vår AI vil scanne referanse-spor og returnere de nærmeste audio-matchingene.

Musiio lanserte nylig et NFT Sang Slicer-produkt, kunne du beskrive hva dette er?

NFT Sang Slicer er en prototype designet for å hjelpe artister å få mer verdi fra sin musikk. Det bruker en AI-drevet prosess til å finne ønskede hooks i et spor – opptil tre per sang – og gi tidskoder så artisten kan mynte disse sang-segmentene som NFT-er. Det kan også gjøre dette automatisk for hele kataloger, og gjøre det enklere for plateselskaper og artister med store bak-kataloger å raskt skape nye digitale samle-objekter.

Hva er noen potensielle brukssaker for dette typen Sang Slicer-produkt?

For katalog-eiere eller artister med en omfattende bak-katalog, kan NFT Sang Slicer velge de mest verdifulle delene i millioner av sanger om dagen. Plateselskaper, for eksempel, kan deretter omdanne disse sang-delene til NFT-er og selge dem som begrensede digitale varer.

Med strømmings-revolusjonen, har det blitt vanskelig for fans å få en dollar i lommen til artistene de elsker. Vi ser på NFT Sang Slicer som en måte for fans å støtte sine favoritt-artister, og for fans å eie digitale samle-objekter. Hver del kan også prises forskjellig av en rettighetshaver. For eksempel, kan en refrenge koster mer enn en vers.

Og, fordi NFT Sang Slicer identifiserer de mest verdifulle delene av et spor, ser vi på denne teknologien som en måte å tilby verdi-prediksjoner for NFT-er og selv hele musikk-kataloger.

Hva er din visjon for fremtiden til Musiio?

Jeg sier at Musiio er en tredjedel av en milliard-dollar-selskap. For å bygge dette selskapet, trenger du tre deler. Den første delen er juridisk tilgang til store volumer av data, eller en “pipeline”. Den andre delen er teknologien. Dette er oss, og vi er svært gode til det vi gjør. Den tredje og siste delen er en etikett: en måte å montere hva du finner, søker eller oppdager. Musiio arbeider alltid mot dette langsiktige målet.

Har du følelse av at AI vil kunne skrive og generere musikk i nær fremtid?

Jeg er ganske åpen om at jeg ikke er en stor fan av AI for kreativitet. Det er et morsomt akademisk eksperiment, og det finnes systemer som gjør det, men jeg ser ikke behovet for det. Musiio fungerer så bra fordi ingen ønsker å tagge tusenvis av sanger om dagen. Det er ikke morsomt, og du trenger ikke en person til å gjøre det effektivt eller raskt. Men musikk-tilblivelse? Jeg er ikke så sikker.

Likevel tror jeg vi er minst fem til 10 år unna fra at AI-generert musikk lyder bra. Jeg hørte noen AI-generert piano-musikk for noen dager siden, og det er vanskelig å si om det er skrevet av AI eller bare noen som ikke er svært dyktig. Jeg er ikke overbevist om at en AI-forestilling noen gang vil være umulig å skille fra en dyktig menneskelig utøver.

Og hvorfor ville du ønske det? Så mye av det som gjør musikk interessant er lorene rundt en artist, deres persona, stil og melding. Det er ikke bare om musikken.

Er det noe annet du ville like å dele om Musiio?

Jeg er svært spennende på at Musiio nylig ble tildelt 4. plassen i Fast Companys 10 mest innovative musikkselskaper i 2022. Vårt team og teknologi har vokst fra et frø av en idé til å få internasjonal anerkjennelse sammen med store industrinavner som Hipgnosis og SoundCloud. Det er en tributt til blod, svette og tårer vårt team har puttet i våre industriledende produkter. Vi er så spennende på å være i forkant av skjæringspunktet mellom musikk og teknologi. Og å vite at det finnes brukssaker vi ennå ikke har tenkt på, gjør meg svært spennende på fremtiden.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Musiio.