Hazel Savage，Musiio 的 CEO 和联合创始人 – 采访系列

Musiio 为一些世界上最大的音乐目录提供 AI 驱动的分析、标记和搜索工具，客户包括 Sony Music、Hipgnosis、Amanotes、Epidemic Sound 和 Blanco Y Negro。作为一名热爱摇滚音乐的吉他手，Hazel Savage 已在音乐行业工作了 15 年，曾为世界上一些最大的音乐品牌工作过，从 HMV 的货架摆放到在音乐聆听和推荐领域的前沿公司管理团队，Hazel 了解从音乐家到大型跨国公司的整个行业的需求。

您已经在音乐行业工作了 15 年多，您对音乐如此热情的原因是什么，您为什么想要参与音乐行业？

我的父母非常喜欢摇滚乐，他们都是巨大的音乐粉丝，所以我从小就被音乐包围着。然后，在我的 13 岁生日那天，我得到了一个吉他。我仍然在演奏，热爱现场表演。当我在思考我将要做什么的时候，专注于我已经投入了几乎所有时间的事情是有意义的。

我最终做了很多与音乐相关的事情。我曾在一个乐队演奏，管理乐队，经营俱乐部，甚至为其他人的俱乐部派发传单，管理嘉宾名单，直到我意识到这已经成为我的职业，尽管它有技术方面的倾向。

您能分享一下 Musiio 的起源故事吗？

我大学毕业后的第一份工作是在 HMV（英国唱片店）摆货架。所以，你可以说我从那时起就意识到了音乐分类的问题。快进几年（经过 Shazam、Pandora 和 Universal），我在一个用户生成音乐平台工作，平台每天有成千上万的曲目被上传。我与一个播放列表管理员合作，他必须手动将最好的音乐上传到播放列表中。他每天要听几百首曲目。有些日子，他有足够的合适内容可以制作成播放列表。有些日子，他没有。我开始想知道是否有办法自动找到特定场景下的最佳曲目。这样，他就可以利用他的音乐专家技能来策划，而不是仅仅作为音乐过滤器。

Musiio是在 2018 年通过新加坡的创业孵化器 Entrepreneur First 与我的联合创始人 Aron Pettersson 会面时成立的。Aron 是一个 AI 天才。当我们讨论如何合作时，我们意识到我们可能可以利用 Aron 的 AI 技能来解决音乐过滤的问题，自动标记或搜索音乐，包括流派、情绪、BPM 等或基于指纹的搜索。Aron 在一个下午内构建了算法的原型，我们将其应用于一个免费的音乐存档中。我们出去吃午饭，离开它来处理数据。当我们回来时，我们对结果的准确性感到惊讶。我们无法期望一个更成功的概念证明。从那时起，我们已经大大优化了算法。我们有一个音乐团队帮助教导 AI 并进行质量控制，我们已经发布了标记、音频参考搜索、播放列表和甚至适用于 TikTok 等平台的歌曲片段选择的产品。

使用了哪些类型的机器学习算法？

我们构建了自己的专有算法，我们认为这是我们的秘密武器！我的联合创始人 Aron 已经在机器学习领域工作了十多年，跨越了分子生物学、神经科学、物理学，甚至游戏开发等领域。他领导我们的 AI 团队。我们还利用了像 TensorFlow、Kubernetes 和 Google Cloud Services 这样的优秀技术，以实现可扩展性并在大规模上交付我们的产品，在我们最大的体积时，我们每天标记 5,000,000 首曲目！我们还花费了大量时间和精力来简化我们的 JIRA 工作流程；这不仅仅是关于您使用的工具，还有关于您如何高效地与开发团队和音乐专家合作。AI 和音乐团队的结合是我们秘密武器的第二部分。

构建音乐搜索引擎的挑战是什么？

速度和准确性是搜索的两个大挑战。它必须快速，因为人们在实时使用它。这与标记不同，因为用户经常会发出多个搜索查询，而标记只发生一次。

有各种方法可以加快搜索速度。您可以只显示与种子曲目共享相同标签的曲目，但您会牺牲准确性。例如，纯音频参考搜索可能需要很长时间，因此您始终在速度和准确性之间取得平衡，并寻找解决方案。这很棘手，部分是通过艰难的知识获得的，但我可以分享的是，我们将音频文件转换为频谱图，即音频文件的详细指纹，当我们进行音频参考搜索时，算法分析多达 1,500 个数据点，这远远超过了仅使用词标签的可能性。并且它可以捕捉到难以描述的音乐特征，例如声乐质量、氛围和情绪。我们还允许用户定义过滤器，因此他们的搜索可以更快、更集中。

另一个挑战是如何管理相关性。大多数人不会浏览第一页以外的结果，因此我们在此上投入了大量时间。

Musiio 为 B2B 客户解决了哪些问题？

我们为任何拥有音乐目录的人提供服务。我们已经构建了可扩展的技术，无论您是没有时间标记音乐并希望专注于创作的音乐家，还是拥有数百万首曲目的流媒体服务。

我们帮助唱片公司通过更好的目录导航来组织他们的数据，我们帮助同步公司（将音乐与视频/电视和电影配对）发现隐藏的宝藏，我们帮助流媒体服务构建更好的播放列表。这些公司面临的问题是，手动处理音频通过聆听每首曲目是劳动密集型的，并且很难长时间保持准确性。我曾作为实验标记了 1000 首曲目，花了两周时间，并且这不是很有趣。我们的 AI 可以每天标记数百万首曲目，准确率为 90-99%。

通过我们的 Musiio Search 产品，我们允许我们的 B2B 客户将音频参考搜索作为功能提供。如果视频制作人正在寻找音乐放置，他们将从了解客户的流派、情绪、BPM 等期望开始，然后在他们选择的网站上搜索。

Musiio 通过允许视频制作人使用“参考曲目”在几秒钟内搜索整个数据库来简化此过程。我们的 AI 将扫描参考曲目并返回最接近的音频匹配。

Musiio最近推出了NFT歌曲切片产品，可以描述一下吗？

NFT 歌曲切片是一种原型，旨在帮助艺术家从他们的音乐中获得更多价值。它使用 AI 驱动的过程来查找曲目中的理想钩子——每首歌最多三个，并提供时间码，以便艺术家可以将这些歌曲部分铸造为 NFT。它还可以自动为整个目录执行此操作，使得拥有大量回归目录的标签和艺术家更容易快速创建新的数字收藏品。

此类歌曲切片产品的潜在用例是什么？

对于目录所有者或具有大量回归目录的艺术家，NFT 歌曲切片可以每天在数百万首歌中选择最有价值的部分。例如，唱片公司可以将这些歌曲片段转换为 NFT，并将其作为限量版数字商品出售。

随着流媒体革命的兴起，粉丝很难将钱放入他们喜爱的艺术家的口袋中。我们将 NFT 歌曲切片视为粉丝支持他们喜爱的艺术家以及粉丝拥有数字收藏品的一种方式。每个切片也可以由权利持有者以不同的价格进行定价。例如，合唱可能比诗句更贵。

并且，因为 NFT 歌曲切片识别出曲目的最有价值的部分，我们认为这种技术可以为 NFT 和甚至整个音乐目录提供价值预测。

您对 Musiio 的未来有什么展望？

我说 Musiio 是一家 10 亿美元公司的三分之一。要建立这家公司，您需要三个部分。第一个部分是对大量数据的法律访问权限，或“管道”。第二个部分是技术。这就是我们，我们在这方面做得非常好。第三个也是最后一个部分是标签：一种将所发现的内容货币化的方式。Musiio 始终致力于这一长期目标。

您是否认为 AI 将来会能够创作和生成音乐？

我对 AI 创造力持反对态度。这是一个有趣的学术实验，有些系统可以做到这一点，但我不认为有必要。Musiio 之所以能做得这么好，是因为没有人想每天标记数千首歌。这不是很有趣的事情，也不需要有人来有效或快速地完成它。但是音乐创作？我不太确定。

即使如此，我认为我们至少需要 5 到 10 年的时间，才能让 AI 生成的音乐听起来很好。我前几天听了一些 AI 生成的钢琴音乐，很难判断它是由 AI 编写的还是只是由一个不太擅长的人编写的。我不相信 AI 表演会与人类演奏家无法区分。

为什么你会想要这样做呢？音乐如此有趣的原因在于围绕艺术家的传说，他们的个性、风格和信息。这不仅仅是关于音乐。

您是否还有其他关于 Musiio 的信息想要分享？

我很高兴 Musiio 刚刚被 Fast Company 排名为 2022 年音乐行业 10 家最具创新精神的公司 的第四名。我们的团队和技术从一个想法的种子成长为获得国际认可，与巨大的行业名称如 Hipgnosis 和 SoundCloud 并列。这是对我们团队为我们的行业领先产品投入的血汗和泪水的致敬。我们很高兴能够站在音乐和技术交汇处的前沿。知道还有我们尚未想到的用例，这让我对未来感到非常兴奋。

感谢这次精彩的采访，希望了解更多的读者可以访问 Musiio。