AI trong hệ thống đề xuất âm nhạc
AI quyết định bài hát nào sẽ phát tiếp theo bằng cách tìm hiểu sở thích của bạn từ hàng tỷ tín hiệu nghe và âm thanh của chính bản nhạc đó.
Tổng quan
Điều này quan trọng vì nó định hình cách hầu hết mọi người khám phá âm nhạc ngày nay và cách các nghệ sĩ tiếp cận người hâm mộ mới.
Lặn sâu
Người giới thiệu âm nhạc kết hợp một số kỹ thuật. Tính năng lọc cộng tác tìm thấy những người nghe có thói quen tương tự và gợi ý những gì họ thích ("những người thích cái này cũng thích cái kia"), tính năng này rất mạnh mẽ nhưng lại gặp khó khăn với những bản nhạc hoàn toàn mới hoặc ít người biết đến, vấn đề 'khởi đầu nguội'. Để khắc phục điều đó, các dịch vụ sẽ tự phân tích âm thanh: mạng thần kinh biến một bài hát thành một biểu đồ phổ và tìm hiểu các tính năng như nhịp độ, năng lượng, phím và tâm trạng, do đó, bản tải lên mới có thể được khớp với bản nhạc có âm thanh tương tự mà không cần phát. Mô hình ngôn ngữ tự nhiên khai thác các bài đánh giá, danh sách phát và lời bài hát theo ngữ cảnh. Ví dụ: Discover Weekly của Spotify kết hợp các tín hiệu cộng tác, mô hình âm thanh và phân tích cách các bài hát kết hợp với nhau trong danh sách phát do người dùng tạo để xây dựng danh sách kết hợp 30 bài hát được cá nhân hóa mỗi tuần.
Hiểu biết kỹ thuật
Nhiều hệ thống biểu diễn mọi người dùng và mọi bản nhạc dưới dạng các vectơ trong không gian 'nhúng' chung, được học bằng hệ số ma trận hoặc mạng nơ-ron hai tháp. Hai vectơ càng gần nhau thì độ trùng khớp càng cao, do đó đề xuất trở thành một tìm kiếm lân cận gần nhất nhanh chóng trên hàng triệu mục. Các mô hình nội dung âm thanh bổ sung thêm một tháp thứ hai ánh xạ dạng sóng thô hoặc biểu đồ phổ vào cùng một không gian, cho phép đặt một bài hát chưa từng được phát trước đây gần các bản nhạc có âm thanh tương tự.
Tác động chiến lược
Xây dựng lựa chọn
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không.
Nhóm và quy trình làm việc
Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng.
Rủi ro và an toàn
Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai.
Tương lai của AI trong hệ thống đề xuất âm nhạc
Mong đợi những người đề xuất trở nên dễ trò chuyện hơn và nhận biết ngữ cảnh hơn: bạn sẽ hỏi bằng ngôn ngữ đơn giản về 'âm nhạc tập trung lạc quan không có giọng hát' và hệ thống sẽ phản hồi bằng cách sử dụng mô hình đa phương thức. AI sáng tạo đặt ra những câu hỏi mới khi danh mục các bản nhạc do AI tạo ra tràn ngập, các nền tảng sẽ cần phát hiện và gắn nhãn cho chúng cũng như quyết định cách chúng hiển thị. Người ta cũng ngày càng chú ý đến sự công bằng, thúc đẩy sự khám phá đối với các nghệ sĩ nhỏ hơn thay vì củng cố một vài siêu phẩm.
Triển khai trong thế giới thực
Khám phá các bản phối hàng tuần và hàng ngày của Spotify tạo danh sách phát được cá nhân hóa từ lịch sử nghe và phân tích âm thanh của bạn
YouTube Music và Apple Music tự động phát radio liên tục các bản nhạc tương tự sau khi hàng đợi của bạn kết thúc
Dự án bộ gen âm nhạc của Pandora gắn thẻ các bài hát theo thuộc tính âm nhạc chi tiết để đề xuất trạm nhiên liệu
Tính năng theo phong cách Shazam xác định một bài hát và sau đó gợi ý các nghệ sĩ tương tự để khám phá tiếp theo
Rủi ro & lan can
Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có.
Các nhóm có thể tự động hóa quá mức và loại bỏ sự phán xét cần thiết của con người.
Chất lượng có thể thay đổi nếu kết quả đầu ra không được đánh giá liên tục.
Lộ trình thực hiện
Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất.
Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn.
Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng.
Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Music Recommendation Systems quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
AI trong hệ thống khuyến nghị
Câu hỏi thường gặp
AI trong Hệ thống Đề xuất Âm nhạc là gì?
AI quyết định bài hát nào sẽ phát tiếp theo bằng cách tìm hiểu sở thích của bạn từ hàng tỷ tín hiệu nghe và âm thanh của chính bản nhạc đó. Điều này quan trọng vì nó định hình cách hầu hết mọi người khám phá âm nhạc ngày nay và cách các nghệ sĩ tiếp cận người hâm mộ mới.
Vấn đề 'khởi đầu nguội' trong đề xuất âm nhạc là gì?
Tính năng lọc cộng tác cần có dữ liệu tương tác, do đó, khó có thể đề xuất một bài hát mới hoặc người dùng mới chưa phát cho đến khi phân tích âm thanh dựa trên nội dung có ích.
Phân tích nội dung âm thanh giúp đề xuất bài hát mới tải lên như thế nào?
Mạng lưới thần kinh học các tính năng âm thanh như nhịp độ và tâm trạng từ chính âm thanh đó, do đó, một bản nhạc không có lượt phát vẫn có thể khớp với bản nhạc tương tự.
Lọc cộng tác chủ yếu hoạt động bằng cách tìm kiếm cái gì?
Nó thúc đẩy các mô hình của nhiều người dùng, cách tiếp cận 'những người thích cái này cũng thích cái kia'.
Trong các hệ thống dựa trên nhúng, hai bài hát được coi là giống nhau khi vectơ của chúng là gì?
Người dùng và bản nhạc được ánh xạ tới vectơ; sự gần gũi trong không gian đó báo hiệu sự phù hợp tốt, biến đề xuất thành tìm kiếm lân cận gần nhất.
Dự án bộ gen âm nhạc của Pandora dựa chủ yếu vào điều gì?
Nó đặc trưng cho các bài hát bằng nhiều đặc điểm âm nhạc tinh tế để xây dựng các trạm âm nhạc tương tự.