算法能否改变我们寻找新音乐人才的方式？

该平台严重过度饱和，对于想要下一个大赚钱的唱片公司来说，整理所有这些曲目是一场不可能的噩梦。 与少数艺术家签约以期取得重大成功也是一场赌博。

解决方案？ 算法。

一个新的软件叫 音乐厅 已开发为在流媒体服务上运行，扫描数千首歌曲，并根据流派对它们进行分类。 Musiio 还能够在在线演示和现有的热门排行榜之间找到相似之处。

其他算法被训练来处理数字数据中的模式，其中大量的在线活动可以表明一个趋势艺术家。 例如，一首歌在 TikTok 上被使用了数百万次，或者在一个新兴艺术家的 YouTube 视频上有很高的参与度。

该软件名为 钠 并且还可以检测音乐博客上的提及、场地的高预订数量以及曲目包含在播放列表或图表中的次数。 来自网红的宣传对于帮助唱片公司寻找即将到来的艺术家也很重要。

虽然这种类型的技术是在最近三年才出现的，但人工智能和算法已经成为更多音乐聆听体验的一部分。

想想你的“Discover Weekly”播放列表，或者分析你年度收听习惯的备受期待的“Spotify Unwrapped”。

这些定制的播放列表会收集大量有关您收听习惯的数据，以推荐更多符合您口味的音乐。

流媒体行业中算法的使用经常受到争议。 例如，如果艺人知道一首歌只需要播放 30 秒就可以算作一次播放，那么他们当然会开始将专辑中的一些最佳时刻放在曲目的开头。

在其他情况下，偏见已被强调为音乐算法的一个问题。 与往常一样，无论谁对算法进行编码，都会不知不觉地将他们自己的一些偏见纳入其中，这意味着其中存在种族和性别偏见。

A 根据一项研究， 关于推荐算法的研究表明，像 Spotify 这样的应用程序更有可能推荐男性艺术家而不是女性艺术家。 但是，一旦正确识别并解决这些偏差，就可以消除这些偏差。

当让算法去发现那些让音乐成为当前 40 强代名词的艺术家时，我们是否有可能只听到重复相同的东西？

可能不会，因为这已经在流行音乐中发生了多年。

许多人认为，虽然算法使用在音乐行业中呈上升趋势，但他们还不会完全接管。

人工智能对音乐的作用是有限的。 流行音乐、独立音乐、trap 和 UK grime 等流行类型很容易被发现，但小众类型的文化音乐仍然无法很好地分类。

说到文化和艺术——两者都是非常主观的体验——听起来人情味是找到真正人才所必需的。 至少现在。