当消费者仅购买唱片时，无法知道谁购买了每个唱片，每个听众最喜欢的乐队是什么或他们的个性如何。 没有人知道跳过了哪些歌曲，或者每个消费者花了多少小时来听音乐。 更不用说购买唱片和发现新乐队有多么困难。 您依赖于本地唱片商店的库存，没有Shazam可以帮助用户了解他们喜欢的电影中播放的歌曲是哪首。
音乐流媒体服务不仅通过仅需每月支付费用就使数百万首曲目可供全世界数以百万计的用户使用，而且还融合了机器学习技术，从而使他们每天收集的所有数据都变得有意义，从而改变了这一状况。
Last.fm
该服务于2002年作为在线音乐数据库，推荐服务和关注音乐的社交网络推出。 他们使用社交标签作为向听众推荐音乐的基础。 这意味着，他们允许音乐收听者将自由文本标签应用于歌曲，专辑或艺术家。 当汇总许多用户的标签时，就可以显示出标签系统的真正优势。 直到那时，才出现了某种歌曲或艺术家的丰富而复杂的观点。
潘多拉
Pandora还是成立于2000年的首批自动音乐推荐Internet广播服务之一。它最初是一个旨在为每个用户创建单独的个性化广播电台的平台。 他们手动标记了歌曲的属性。 这意味着，一群人听音乐，并根据他们的音乐特征用描述性单词标记曲目。 然后，潘多拉（Pandora）的代码过滤了某些标签，以创建由听起来相似的音乐组成的播放列表。 用户可以提供正面或负面的反馈，这些反馈在随后选择其他歌曲播放时已考虑在内。
松扎
2007年，Songza是面向美国和加拿大互联网用户的免费音乐流媒体和推荐服务，它通过手动策划为用户创建播放列表，开始了在线音乐策划。 一个“音乐专家”团队整理了他们认为听起来不错的播放列表，并根据一天中的时间，心情或活动向用户推荐了这些播放列表。
回声巢
麻省理工学院媒体实验室成立于2005年，是该公司的副产品，旨在了解录制音乐的音频和文本内容，并为消费者和开发人员执行音乐识别，推荐，播放列表创建，音频指纹识别和分析。 显然，这是一种用于个性化音乐的更高级方法，并使用算法来分析音乐的音频和文本内容，从而使其能够执行音乐识别，个性化推荐，播放列表创建和数据分析。
苹果音乐
苹果在音乐流媒体行业中排名第二，仅次于Spotify。 他们很久以前就推出了Genius播放列表，用户可以在其中选择自己喜欢的一首歌曲，并自动生成播放列表，并随歌曲一起播放。 该系统分析以前的播放列表，大拇指，大拇指和跳过。
苹果公司一直为人类音乐策展辩护，但通过机器学习，他们正在加紧比赛。 他们拥有大量的音乐编辑者，他们可以编辑播放列表，但他们正在整合越来越多的AI，从而改变了其经典的人机组合。 实际上，2015年创建的“为您”部分是Apple Music的核心内容之一，已经结合了人类策展和算法，可以帮助用户发现符合其个人品味的新音乐。
亚马逊音乐
亚马逊一直在AI和IoT服务领域处于领先地位，Alexa希望能够在其既有竞争对手Apple Music和Spotify方面取得优势。 听音乐一直是智能扬声器最流行的用途之一。 最初，亚马逊只有200万首歌曲的数据库。 然后，它扩展了目录，并将自然语言处理纳入了Alexa的服务。 这使Amazon Music变得更加有趣，因为语音识别软件可以浏览数百万首歌曲以从您无法记住其名称的歌曲中查找特定短语。
在2011年，只有一个很小的团队在Spotify从事音乐个性化工作。 如今，个性化涉及纽约，波士顿和斯德哥尔摩的多个团队，以生产数据集，功能工程并向用户提供产品。
自从Spotify在2014年收购The Echo Nest以来，多个团队一直致力于定制功能，他们开始提供更丰富，更好的个性化套装。 听音乐转变为一种情感体验。 Discover Weekly播放列表和Release Radar之类的功能只是巨大的自定义冰山的一角。
每个“发现每周”播放列表的背后都有机器学习。 Spotify比其他人更了解用户的音乐品味。 机器学习可以模仿心理任务。 自2015年6月推出该服务以来，它一直都非常出色。
“发现每周”的主要成分是其他人。 Spotify首先查看其用户创建的数十亿个播放列表。 这些人为选择是《发现周刊》建议的核心。 Spotify会考虑所有内容，从毛坯贸易播放列表到周日烧烤播放列表。
Spotify还为每个用户的音乐个人风格创建了一个档案，分为艺术家和微型流派。 然后，算法将所有内容整合在一起。 他们的方法包括协作过滤模型（用于分析您的行为和他人的行为），自然语言处理以及用于分析原始音轨的音频模型。
2017年，Spotify挖走了索尼AI音乐专家Francois Pachet。 他现在是Spotify创作者技术研究实验室的主任，并正在为音乐家设计基于AI的工具。 他的发明包括Reflexive Looper，该系统可实时学习音乐家的风格并自动生成伴奏。 他还发行了第一张由AI制作的音乐专辑《 Hello World》。
NSynth超级
该项目是Magenta正在进行的实验的一部分：Google的开源深度学习项目，探讨机器学习工具如何帮助艺术家以新方式创作艺术和音乐。 NSynth Super是一种机器学习算法，它使用深度神经网络来学习声音的特征，然后根据这些特征创建全新的声音。 NSynth不会合并或混合声音，而是使用原始声音的声学质量来合成全新的声音。
将AI和机器学习技术整合到音乐流算法中正迅速成为新的规范。 如果音乐服务提供商不了解我的音乐品味，那么没有人会对使用它感兴趣。 我们可能已经习惯了AI，甚至不知道它在那里。
但是，音乐创作又如何呢？ 这些音轨上仍然有粗糙的声音，让您注意到它们不是人。 还有很长的路要走，还有很多可能性。 我个人觉得这种音乐转换很有趣，但是AI会取代现实生活中的音乐家和音乐专家吗？ 我不这么认为。
即将推出：AR +音乐
潜行峰 -Bose AR
Bose AR是世界上第一个眼镜听音乐的音频增强现实平台。 它将音频放置在您的周围环境中，这样您就可以专注于周围的世界，而不是放在很小的屏幕上。 它们与通话麦克风，Siri或Google Assistant蓝牙兼容。 他们推出了一项新的专有技术，可将音频保密。 通过在每条臂中谨慎地嵌入超薄，超轻，超小型的声学包装，它们可以合身，工作并看起来像标准眼镜。
提升是 横向视图 的出版物 。
这个故事发表在中等规模最大的企业家精神出版物《创业公司》上，紧随其后的是315,028人。
订阅此处即可接收我们的热门新闻。
