智能音乐推荐引擎――Mufin

关键字： Mufin  智能音乐推荐引擎  音乐推荐引擎  音乐推荐 

亚马逊（Amazon）破天荒地告诉我们：如果我们喜欢X，那么也可能喜欢Y。至少从那时起，计算机成年累月地向我们推荐可以听的内容。但是，这种推荐中总有人类参与：Pandora聘请音乐专家；苹果（Apple）Genius和哥伦比亚广播公司（CBS）的Last.fm则采用协同过滤技术（collaborative filtering），这种技术基于用户的收藏，向用户推荐具有歌曲、歌手或专辑相似性的音乐。

而Mufin，则基于独立的、原汁原味的计算机分析来推荐音乐，对用户收藏中的歌手、专辑、流派和其它音乐均漠不关心。Mufin的核心技术由MP3之父——Karlheinz Brandenburg（如图）领导的团队开发而成。Mufin站点近期发布了个人beta版，拥有近400万首音乐。这样的成果令人兴味盎然。然而由于Mufin算法与所有的风格概念和流行趋势均毫不相干的理性本质，推荐结果可能并非尽如人意。

“音乐网站到处都是，但据我所知，我们是唯一的、基于完全自动推荐引擎的站点。”Mufin市场负责人Petar Djekic说。Mufin音频分析引擎利用一首歌的40种属性为其找到“兄弟姐妹”，这些属性包括打击乐、风格、语言、声强、声乐、节拍、音色、乐器、音量、力度及响度。音乐播放时还具有其它属性，但Djekic说，由于某些属性涵盖由人类对音乐的感知得出的统计学元素，因而无法用音乐概念的数学形式予以表达。

“我们制作好一个标签集，最初是人工为音乐加上标签，”Djekic说。“拥有这套人工加上标签的文件后，再来观察我们的算法怎样为这些音乐打上标签，然后便能改进。”一旦Mufin的音乐分析算法已融合所有规则，遇到新歌时就不再需要人工干预了。

这种音乐自动分析技术的核心是Brandenburg开发的AudioID。Brandenburg在其大学与博士论文中已形成MP3和其它音频压缩形式的雏形。2002年，他在德国massive Fraunhofer Gesellschaft组织内的音频分析团队因发明AudioID技术而获得一项公司嘉奖。两年后，由于团队在利用该技术方面能力欠缺或缺乏动力，被Fraunhofer剥离为一个叫作m2any的商业分支，2007年卖给Magix。

从那时起，AudioID已成为构建Magix Mufin MusicFinder的基础。Magix Mufin MusicFinder是一个价值20美元的可下载应用程序，帮助用户在其个人电脑中寻找“听起来很像”的音乐。Mufin耗时一年半，将同样的音乐分析程序应用于Mufin站点上约400万首音乐——这项工作也是潜在地为Amazon、iTunes和beyond进行的，假如这些潜在客户看到自动推荐的价值的话。

Mufin发明者还有领先于这些潜在客户的拿手绝活。为了帮助计算机理解我们是如何听音乐的，Mufin算法经历了种种调整；在完成这些调整后，Mufin算法为我们带来一些相当酷的回报：Mufin网站告诉我们，披头士（Beatles）的“Sgt. Pepper's Lonely Hearts Club Band”听起来像Tim Feehan的“Dirty Love”、Edo Zanki的“Wie Ein Feuer”，还有Rafael、Joe und Die Partysingers的“Freudenspender”。

还有，滚石（Rolling Stones）现场版“You Can't Always Get What You Want”听起来像未知歌手的“Raindrops Keep Falling On My Head”、Pat Travers的“Suburban Blues”和Frank Sinatra的“Don' Chago' Way Mad”，还有其它（参见截屏图片）。听着这些推荐音乐，我也许能理解Mufin的算法从何而来，但其推荐结果显然并非明显的选择——它们让人困惑。

“[Mufin]不考虑时间、时代、流派或其它如此之类的属性，因而有时去那儿的人们会说‘推荐的歌曲很奇怪’或‘它们不合我口味’”，Djekic说，“但是，你总会对这些推荐结果是否具有音乐相似性留下印象。”

那么，这些搜索结果是否听起来像“我的披头士”或“滚石精选集”？这很难说。因为Mufin仍处于beta阶段，很多歌曲尚未加上30秒试听。我给自己限定5分钟，在此时间内我在别的网站仅找到一首与滚石的“You Can't Always Get What You Want”具有相似性的结果：Jose Feliciano翻唱的Richard Marx的“Right Here Waiting”，一首常常回旋于整个大陆牙科的糖精般甜蜜的曲子。

诚然，这两首歌拥有类似之处：节奏轻松、和弦进行缓慢、男歌手。但从人类的观点看，它们的整体感觉完全不同。也许可以说，计算机在音乐理解方面的表现与其在音频压缩方面相比，实在差强人意。

Djekic坚持认为Mufin的推荐是有意义的，该站点捡起了传统推荐引擎遗漏的真正的相似性。“将相似的歌手放在一起，这对David Bowie这样的歌手来说确实很难，因为他做的音乐非常具有多样性，”Djekic解释道。“这就是Mufin为何纯粹基于歌曲的原因。你能找到相似的歌曲，但你能找到相似的专辑吗？能找到相似的歌手吗？这真地很难。”Djekic说，通过忽视那些与真正的相似性无关的数据，Mufin的推荐结果更为准确。

并非每个人都相信这一点。分析机构NPD音乐分部主席Russ Crupnick说：“对我而言，[苹果]Genius的天才——请原谅——就是我得到了看起来明智的选择。我有机会用它为我的媒体库添加新歌；而且，其商业应用显而易见：普通付费下载用户一年仅购买约25首歌。这儿存在机遇。每次我浏览我的媒体库时，都希望有这样的感觉：‘哦，这正是我想要的音乐。’”

尽管如此，Crupnick承认，由于提供关键音乐推荐服务的竞争不断升温，Amazon和iTunes等服务商可能会发现Mufin“偶然的、非理性的”合作价值，至少可以将其集成入他们当前的推荐系统中。Mufin基于算法运行并忽略元数据，因而比Pandora运行地更快。Pandora人工分析1300首歌需要1个月，Apple Genius则必须在协同处理技术发挥作用前，耐心等待其自身的分析团队对发布的音乐先过一遍。Mufin不带感情、计算性的、可扩展的音乐分析能够为这些应用注入新鲜而敏捷的推荐结果。

经过6年多的开发，Mufin终成正果，预计于11月公开发布。其实，该网站也是针对其潜在客户iTunes、Amazon等的功能展示。若Mufin获得了这些潜在客户的青睐，那么你的下一个音乐助理可能是机器人——或者，至少是半个机器人。