Hazel Savage, VD och medgrundare av Musiio – Intervjuerien

Musiio tillhandahåller AI-drivna analys-, taggnings- och sökverktyg till vissa av världens största musikkataloger, med kunder som Sony Music, Hipgnosis, Amanotes, Epidemic Sound och Blanco Y Negro.

En rockälskande gitarrist som blev VD och medgrundare, Hazel Savage, har tillbringat 15 år i musikbranschen och arbetat för några av världens största musikmärken – från att stapla hyllor på HMV till att leda team i företag som ligger i framkant av musiklyssning och rekommendationer. Hazel förstår branschens behov, från musiker till stora multinationella företag.

Du har varit i musikbranschen i över 15 år, vad gör dig så passionerad om musik, och varför ville du engagera dig i musikbranschen?

Mina föräldrar var ganska rockiga. De var stora musikfans, så jag var alltid omgiven av musik när jag växte upp. Sedan, på min 13-årsdag, fick jag en gitarr. Jag spelar fortfarande och har en passion för att uppträda live. Så när jag försökte lista ut vad jag skulle göra med mitt liv, var det logiskt att fokusera på något som jag hade ägnat nästan all min tid åt.

Jag hamnade i en mängd olika roller som var relaterade till musik. Jag spelade i ett band. Jag hanterade band. Jag arrangerade klubbkvällar. Jag delade ut flygblad för andras klubbkvällar, skötte gästlistor och innan jag visste ordet av, hade det blivit en karriär, även om det definitivt hade en teknisk vinkel.

Kan du dela med dig av historien bakom Musiio?

Mitt första jobb efter universitetet var att stapla hyllor på HMV (den brittiska skivaffären). Så, man kan säga att jag har varit medveten om problemen med att kategorisera musik sedan dess. Några år senare (via Shazam, Pandora och Universal), arbetade jag för en UGC-musikplattform med tusentals spår som laddades upp varje dag. Jag arbetade med en spellist-skapare som måste manuellt sammanställa de bästa musikuppladdningarna till spellistor. Han lyssnade på hundratals spår om dagen. Vissa dagar hade han tillräckligt med lämpligt innehåll för en spellista. Vissa dagar hade han inte. Jag började undra om det fanns ett sätt att automatisera processen att hitta de bästa spåren för en given situation. På det sättet kunde han använda sina färdigheter som musikexpert för att kurera, snarare än att bara fungera som en filter för dålig musik.

Musiio bildades när jag mötte min medgrundare Aron Pettersson genom start-up inkubatorn Entrepreneur First i Singapore 2018. Aron är en AI-genius. När vi pratade om hur vi kunde arbeta tillsammans, insåg vi att vi kanske kunde använda Arons AI-färdigheter för att lösa problemet med musikbaserad filtrering, automatisk taggning eller sökning av musik med genrer, humör, BPM etc. eller fingeravtrycksbaserad sökning. Aron byggde en prototyp av algoritmen på en eftermiddag, och vi satte den att arbeta med en gratis musiksamling. Vi gick ut och åt lunch, och lämnade den att bearbeta data. När vi kom tillbaka, var vi förbluffade över resultaternas noggrannhet. Vi kunde inte ha hoppats på en mer framgångsrik bevisidé. Sedan dess har vi optimerat algoritmen massivt. Vi har ett musikteam som hjälper till att undervisa AI:n och genomföra kvalitetskontroll, och vi har släppt produkter för taggning, ljudreferenssökning, spellistor och till och med sångsektionsval för plattformar som TikTok.

Vilka är de olika typerna av maskinlärningsalgoritmer som används?

Vi har byggt våra egna proprietära algoritmer, och vi anser att detta är vår hemliga sås! Min medgrundare Aron har varit i framkant av maskinlärning i över ett decennium och har arbetat med molekylärbiologi, neurovetenskap, fysik och till och med spelutveckling. Han leder vårt AI-team. Vi tar också till vara på den utmärkta tillgängliga tekniken som TensorFlow, Kubernetes och Google Cloud Services för skalbarhet och för att leverera våra produkter på en massiv skala, på vår största volym, där vi taggade 5 000 000 spår om dagen! Vi har också lagt ner betydande tid och ansträngning på att effektivisera våra arbetsflöden i JIRA; det handlar inte bara om vilka verktyg du använder, utan hur effektivt du kan arbeta med ett team av utvecklare och musikexperter. Kombinationen av de två teamen, AI och musik, är den andra delen av vår hemliga sås.

Vilka är några av utmaningarna bakom att bygga en sökmotor för musik?

Hastighet och noggrannhet är de stora utmaningarna med sökning. Den måste vara snabb eftersom människor använder den i realtid. Detta skiljer sig från taggning, eftersom en användare ofta gör flera sökfrågor, men taggning sker bara en gång.

Det finns olika saker du kan göra för att påskynda sökningen. Du kunde visa spår som delar samma taggar som ditt ursprungsspår, men du skulle offra noggrannheten. En ren ljudreferenssökning över en katalog med 200 miljoner spår, till exempel, kan ta lång tid, så du balanserar ständigt hastighet och noggrannhet och letar efter lösningar. Det är knepigt och en del av det är hårt vunnen kunskap, men vad jag kan dela är att vi omvandlar ljudfiler till spektrogram, mycket detaljerade fingeravtryck av ljudfiler, och när vi genomför en ljudreferenssökning, analyserar algoritmen upp till 1 500 datapunkter – långt bortom vad som är möjligt med ordtaggar ensam. Och den upptäcker svåra att beskriva musikaliska funktioner som sångkvalitet, atmosfär och vibe. Vi tillåter också användare att definiera filter, så att deras sökningar kan vara snabbare och mer fokuserade.

En annan utmaning är hur du hanterar relevans. De flesta människor kommer inte att gå förbi den första sidan med sökresultat, så vi har lagt ner mycket tid på det.

Vilka problem löser Musiio för B2B-kunder?

Vi betjänar alla som har en musikkatalog. Vi har byggt tekniken för att skalas, oavsett om du är en musiker som inte har tid att tagga musik och vill fokusera på att skapa, eller en streamingtjänst med hundratals miljoner spår.

Vi hjälper skivbolag att organisera sina data för bättre katalognavigering, vi hjälper synk-bolag (som sätter musik till video/TV och film) att upptäcka dolda pärlor, och vi hjälper streamingtjänster att bygga bättre spellistor. Problemet som alla dessa företag står inför är att bearbeta ljud manuellt genom att lyssna på varje spår är arbetskrävande och svårt att göra korrekt under en längre period. Jag taggade 1000 spår som ett experiment. Det tog två veckor och var inte alls roligt. Vår AI kan tagga miljoner spår om dagen med 90-99% noggrannhet.

Med vår Musiio Search-produkt tillåter vi våra B2B-kunder att erbjuda ljudreferenssökning som en funktion. Om en videoproducent letar efter en musikplacering, skulle de börja med att förstå kundens förväntningar av genre, humör, BPM och sedan söka på deras valda webbplats.

Musiio förkortar denna process med våra partners som installerar vår sökning, genom att tillåta samma videoproducent att använda en “referensspår” för att söka hela databasen inom sekunder. Vår AI skannar referensspåret och returnerar de närmaste ljudmatchningarna.

Musiio lanserade nyligen en NFT-låtskärare-produkt, kan du beskriva vad detta är?

NFT-låtskäraren är en prototyp som är utformad för att hjälpa artister att få mer värde från sin musik. Den använder en AI-driven process för att hitta önskvärda hooks i ett spår – upp till tre per sång – och ge tidskoder så att en artist kan mynta dessa sångsektioner som NFT:er. Den kan också göra detta automatiskt för hela kataloger, vilket gör det enklare för skivbolag och artister med stora bakre kataloger att snabbt skapa nya digitala samlingsföremål.

Vilka är några potentiella användningsfall för denna typ av låtskärare-produkt?

För katalogägare eller artister med en omfattande bakre katalog, kan NFT-låtskäraren välja de mest värdefulla sektionerna i miljontals sånger om dagen. Skivbolag, till exempel, kan sedan förvandla dessa sångsektioner till NFT:er och sälja dem som begränsade digitala varor.

Med streamingrevolutionen, har det blivit svårt för fans att få en dollar i fickan på de artister de älskar. Vi ser NFT-låtskäraren som ett sätt för fans att stödja sina favoritartister, och för fans att äga digitala samlingsföremål. Varje skiva kan också prissättas olika av en rättighetsinnehavare. Till exempel, kan en refräng kosta mer än en vers.

Och, eftersom NFT-låtskäraren identifierar de mest värdefulla sektionerna av ett spår, ser vi denna teknik som ett sätt att erbjuda värdeprediktioner för NFT:er och till och med hela musikkataloger.

Vad är din vision för Musiios framtid?

Jag säger att Musiio är en tredjedel av ett miljarddollarsföretag. För att bygga det företaget, behöver du tre delar. Den första är laglig tillgång till stora mängder data, eller en “pipeline”. Den andra delen är tekniken. Det är vi, och vi är mycket bra på det vi gör. Den tredje och sista delen är en etikett: ett sätt att monetisera vad du hittar, söker eller upptäcker. Musiio arbetar alltid mot det långsiktiga målet.

Känner du att AI kommer att kunna skriva och generera musik i nära framtiden?

Jag är ganska uttalad om att inte vara en stor fan av AI för kreativitet. Det är ett roligt akademiskt experiment, och det finns system som gör det, men jag ser inte behovet av det. Musiio fungerar så bra eftersom ingen vill tagga tusentals sånger om dagen. Det är inte roligt, och du behöver inte en person för att göra det effektivt eller snabbt. Men musikskapande? Jag är inte så säker.

Även så, tror jag att vi är minst fem till tio år bort från att AI-genererad musik låter bra. Jag hörde någon AI-genererad pianomusik för några dagar sedan, och det är svårt att säga om det är skrivet av AI eller bara någon som inte är mycket duktig. Jag är inte övertygad om att en AI-prestation kommer att vara otillräkningsbar från en duktig mänsklig spelare.

Och varför skulle du vilja att det ska vara? Så mycket av vad som gör musik intressant är historien kring en artist, deras persona, stil och budskap. Det handlar inte bara om musiken.

Finns det något annat du vill dela om Musiio?

Jag är mycket spänd på att Musiio just tilldelades fjärdeplatsen i Fast Companys 10 mest innovativa musikföretag 2022. Vårt team och teknik har vuxit från en idés ursprung till att få internationellt erkännande bredvid stora branschnamn som Hipgnosis och SoundCloud. Det är en hyllning till det blod, svett och tårar som vårt team har lagt ner på våra branschledande produkter. Vi är så spända på att vara i framkant av skärningspunkten mellan musik och teknik. Och att veta att det finns användningsfall som vi ännu inte har tänkt på, gör mig mycket spänd på framtiden. Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Musiio.