樂評人袁永興／音樂串流平台Spotify不斷優化的演算法

2020/10/19 袁永興

音樂串流平台Spotify的演算法時時刻刻都在學習並監測，可以確保聆聽者有參與感、提高黏著度，又不會覺得無聊。圖／路透社

音樂串流平台Spotify的演算法，是一種稱為BART（Bandits for Recommendations as Treatments 推薦處方監測）的AI系統。基本上，BART的工作是讓聽眾保持聆聽，它透過播放和建議用戶已經熟悉的歌曲來達到目的，同時會偷偷放入一些、他們認為使用者會喜歡，但最重要的是：從未聽過的新曲目。這樣一來可以確保聆聽者有參與感、提高黏著度，又不會覺得無聊。

在2020年「國際音樂資訊學會」的國際會議上，Spotify開源軟體Klio的生態系、已經可以讓數據科學家輕鬆並大規模地處理音頻資料。它是為運行Spotify的大型音頻智能系統而構建的，以幫助開發和部署下一代音頻演算。Klio的出現與Spotify加速轉向AI驅動有關。多年來Spotify利用自然語言處理、音頻模型和協同過濾功能來提供建議歌單播放列表，包括：「每週新發現」和「發行雷達」。去年12月，Spotify在日本推出了Sing Together，這是一種類似卡拉OK的功能，在歌曲加入曲庫後的幾分鐘內，可以利用AI來把人聲從樂器音軌中分離出來。（每天有40,000首歌曲被添加到Spotify數據庫中，其中定期處理超過6000萬首歌曲。）使用Klio可以進行更多的音頻處理並對其進行優化。

換言之，Spotify是個時時刻刻都在學習並監測的AI。它的運算參數包括：

1.聆聽史。（蒐集音樂風格、類種）

2.跳聽率skip rate。（聽不到30秒就跳過，跳聽率愈低、該首新歌被推播的機率就變高）

3.收聽長度，一首歌聽超過30秒會被列為有效數據，這也是作品流量有價化的關鍵。

假設你一直在聽Hebe跟萬芳的歌曲，BART演算會開始針對其他用戶的播放程度、歌單與排序等多向度進行比較，然後開始尋找一些以前未曾出現在歌單裡的作品夾進去、之後再顯示在「每週新發現」當中，因為Spotify會把列入個人歌單的曲子算到演算參數中，所以愈多人把歌曲放入歌單(無論個人歌單、演算推薦歌單或音樂編輯專設歌單)、並且在歌單中把排序往前移，AI就會認定這首歌的重要性、推播讓更多人聽到。此外，如果是由其他平台導流、讓使用者從其他地方轉進Spotify聽歌，這會被AI視為成功吸引新的使用者、提高該歌曲的加權計分。

雖然目前無法就這演算優化、與音樂品味素養的關聯做評斷，但是就歌曲視為產品的角度來看，厚積流量確實將作品薄發，只是可能需要的時間、濃縮在毫秒之間。