音乐|算法推歌20年:从Pandora、Spotify到QQ音乐、网易云音乐( 二 )
由于新歌的播放数据和用户评价都较少,协同过滤模型和自然语言处理模型难以起到很好的效果 。为此,Spotify在推荐系统中加入了音频分析模型 。其通过分析原始音轨文件来进行分类过滤,在卷积神经网络的帮助下,歌曲时间内的特征统计量(拍子记号、音调、调式、速度等)得以形象化,并被用来分析歌曲间本质上的相似性 。
文章图片
要实现对用户的个性化推荐,除了对内容的精准描述外,精准的用户画像也同样重要 。
2018年,Spotify申请的一项专利被视为其推荐系统2.0版本到来的标志 。据悉,这项专利是一项音频信号处理技术,能够对用户的语音内容和背景噪音进行处理,以得到用户的情绪状态数据 。再加上对年龄、性别、地区等传统数据的综合分析,Spotify将为用户提供更为精准的推荐内容,“把推荐技术提升到一个新的水平” 。
与Spotify和Pandora试图去深刻理解用户不同,刚刚上线的“Super Sonic”并没有在用户画像上下功夫——这款仅针对Plex付费用户推出的功能,只是为了推荐用户可能喜欢的歌曲 。“Super Sonic”将一首歌曲的“声音”从旋律、节拍等50多个维度进行分解,根据分析结果,歌曲们被放进了一个以歌曲特性为坐标轴的N维空间中,并用不同的点表示 。在N维空间中,两个点越接近,它们代表的歌曲就越“相似” 。
50维空间中的计算需要极大的计算量,这或许是在安装“Super Sonic”时需要耗费数小时甚至数天时间的原因 。
尽管运作系统十分庞大,但“Super Sonic”并未带来多少新意 。对歌曲本身进行分析,这与Spotify的音频分析模型的想法不谋而合;而通过寻找两个相近的“点”来召回歌曲,则是协同过滤模型中常用的求解思路 。
不过,与各位“前辈”相比,“Super Sonic”也有着自己的亮点——它完全摆脱了对元数据的依赖 。尽管Spotify的音频分析模型也只对歌曲本身进行分析,但最终被端上用户餐桌的,是由多个模型共同决定的内容 。直观来看,“Super Sonic”这种“不加以辨别”的推荐方式,意味着独立音乐人有更多被听见的可能,也给听众带来了更多新的探索 。
国内平台是怎么做算法推歌的?众所周知,用户对音乐的反馈越多,个性化推荐的内容越精准 。其实这是一种双向互动的过程——推荐系统学习到用户喜好,用户也借助算法工具实现了对自己潜在音乐喜好的探索 。
在这种推荐系统与用户的双向互动中,“标签”是推荐歌曲最重要的依据 。无论是Pandora“音乐基因组计划”还是Spotify的三种算法模型,核心目的都在于给一首歌曲贴上足量且准确的“标签” 。
文章图片
在标签的解读上,QQ音乐的推荐系统给出了一些新的思路:在标签系统中加入了视觉元素,从音视频和艺人的角度对歌曲进行拆解;流派方面,QQ音乐综合国情,开发出了诸多中国独有的“标签” 。例如例如通行的“电音”“说唱”等流派划分外,还加入了“国风”、“城市民谣”、“大众流行”等中国特有的“标签”,以照顾到不同受众的口味与感受 。
推荐阅读
- 工具|VR音乐制作工具《Virtuoso》将于3月登陆Quest和SteamVR
- find x5|挑战手机影像天花板?Find X5系列搭载两颗旗舰芯,还有3A算法大招
- 投稿|时代拥抱抖音,音乐告别巨星
- 投稿|偶像偏爱黑红营销?
- 大提琴|德国IE音乐系列大提琴套装喇叭全新外观音色更显音乐贵妇气质
- 音乐|音阅同行 海信TOUCH音乐阅读器带来全新体验
- 仙剑奇侠传七原声音乐集|《仙剑奇侠传七原声音乐集》上架Steam 售价49元
- qq音乐|网易云极速版终于来了!简洁无广告,比QQ音乐好用10倍
- 音乐|音乐人的好时代真的要来了?
- 苹果 Apple Music 发布 2022 音乐回忆歌单,每周更新常听排名