В Яндекс.Музыке появилась функция, которая вам точно понравится
Яндекс.Музыка постоянно нас балует различными нововведениями. Сервис и без того очень удобный и намного ближе пользователю, чем Apple Music, но становится лучше изо дня в день. На этот раз команда разработчиков порадовала нас новой функцией «Моя волна», которую я заметил 14 ноября поздно вечером и успел досконально в ней разобраться. Может показаться, что в «Моей волне» нет чего-то сверхнового, но могу вам точно сказать, что в новой фишке есть колоссальные отличия от привычного воспроизведения треков по предпочтениям. Тем не менее, в редакции AppleInsider.ru возник небольшой спор о полезности функции. Разбираемся, что это, как работает и почему «Моя волна» намного круче, чем привычные плейлисты.
Рассказываем, что за чудо-функция появилась в Яндекс.Музыке
Моя волна Яндекс.Музыка
«Моя волна» — это бесконечный музыкальный поток, который можно подстроить под настроение, стиль музыки и даже язык. Этот сервис — обновленное Радио в Яндекс.Музыке, которое частенько выдавало одни и те же композиции. Функция оформлена очень красиво — анимация двигается в такт музыке.
Нововведение я и пользователи нашего Telegram-чата заметили еще прошлым вечером. Лично я столкнулся с проблемой: в приложении не отображалась кнопка «Настроить», благодаря которой и выбираешь то, что будет звучать. Выяснилось, что все дело в Яндекс.Станции: если слушать музыку на ней, управляя со смартфона без подключения по Bluetooth, то настроек почему-то нет.
«Моя волна» стала намного умнее, чем Радио — будет подбирать треки по другим параметрам
В остальных случаях кнопка есть. Можно выбрать четыре настроения: бодрое, веселое, спокойное или грустное. По характеру музыка делится на любимое, незнакомое и популярное. Есть музыка и по выбору языка: русская или иностранная. При выборе потока по настроению возник небольшой казус: нажав на «веселое», плеер включил трек Lost Frequencies «Are you with me», который сложно назвать веселым. Впрочем, он бы скорее подошел к «бодрому» настроению. В остальных настройках проблем не возникло.
Рекомендации Яндекс.Музыка
«Моя волна» — это умный поток, который работает не только по рекомендациям, но и по другим критериям. К примеру, если вы переключаете несколько инструментальных треков, то в один момент система предлагает вам вокальную композицию. Система учитывает тысячи факторов и теперь чаще выдает новые треки.
После обновления рекомендаций пользователи стали слушать новую музыку — об этом говорят и данные сервиса. Я и сам провел несколько часов перед сном и заметил, что новых треков при воспроизведении стало больше: да, не всегда то, что нравится, но тут к Яндекс.Музыке претензий нет. Скорее, к самим исполнителям, которые работают на количество, теряя в качестве.
На главном экране «Мою волну» оформили очень красиво
В компании пояснили, что теперь алгоритмы учитывают больше факторов при прослушивании: на ваши рекомендации влияют и время суток, и день недели и даже погода. В подборке важно, как часто слушатели реагируют на треки, ставя лайки на треки. Кстати, «Моя волна» решает одну из наболевших проблем музыкальных сервисов — замыкание в «пузыре рекомендаций», когда стриминг включает одно и то же. С одной стороны, это бесит. С другой стороны, резких перемен в прослушивании тоже не очень хочется.
В новой фишке эту проблему постарались решить: система будет подбирать ваших любимых исполнителей, создавая баланс между новой музыкой и излюбленными хитами. Все это происходит именно благодаря настройкам прослушивания и фидбэком, который дает пользователь.
Как сбросить рекомендации в Яндекс.Музыке
Лично я не сталкивался с нежелательными исполнителями в «Моей волне»: возможно, я слишком трепетно отношусь к собственным рекомендациям в Яндекс.Музыке и тщательно сортирую медиатеку. У главного редактора AppleInsider.ru Рената Гришина, наоборот, возникли проблемы с новой функцией: Яндекс.Музыка ставила то, что никак не попадало ни под вкус, ни под настроение.
Работает не очень. Я опробовал эту функцию, но то, что играло — совершенно не мое. Ощущение, будто «Моя волна» не обращает внимания на рекомендации. С «Радио» таких проблем не было, — Ренат Гришин, главный редактор AppleInsider.ru.
В этой ситуации необходимо заново настроить свои музыкальные предпочтения. Сделать это очень просто.
Сбросьте рекомендации, если чувствуете, что играет что-то не то
- Нажмите на иконку своего аккаунта в правом верхнем углу;
- Выберите внизу «Уточнить предпочтения»;
- Отметьте те жанры и исполнителей, которые вам по душе.
Еще больше статей про приложения для iOS в нашем Яндекс.Дзен! Не забудьте подписаться!
Эту процедуру важно делать как можно чаще. Исходя из того, как часто вы слушаете музыку, в списке будут появляться новые исполнители, которых важно отметить. Если понимаете, что «Моя волна» играет что-то не то, но нажмите «Настроить» на главном экране, а затем выберите внизу «Сбросить» — так алгоритмы начнут подбирать для вас музыку заново, так сказать, с чистого листа.
А вы уже опробовали «Мою волну» в Яндекс.Музыке? Поделитесь впечатлениями в комментариях.
Цифровой слух: как «Яндекс» подбирает музыку под ваше настроение
Чарты музыкальных предпочтений слушателей «Яндекс.Музыки» показывают, что пользователи все чаще ищут новую музыку, а не ставят на повтор проверенных Scorpions или Metallica. И сегодня одна из самых сложных и интересных задач для музыкальных сервисов — научиться подбирать музыку под настроение. Согласитесь, на мосту весеннего Будапешта и в трамвае заснеженного Екатеринбурга мы, скорее всего, выберем совершенно разные треки. Найти музыку, которая понравилась бы пользователю в определенный момент времени нам помогают нейросети.
Искусственные нейронные сети — один из методов машинного обучения, который стал особенно популярен в последние годы. Нейросети прекрасны тем, что им достаточно показать, условно, что такое хорошо, а что такое плохо, чтобы получить желаемый результат. Например, нейронную сеть можно обучить распознавать на изображениях те или иные объекты — скажем, автомобили или собак. В ходе обучения ей показывают огромное количество картинок, где есть нужные объекты (положительные примеры) и где их нет (отрицательные примеры). В результате нейросеть получает способность верно определять нужные объекты на любых изображениях.
В «Яндексе» машинное обучение (в том числе и нейросети) используется повсеместно: оно помогает лучше понимать смысл поисковых запросов пользователей, строить оптимальные маршруты в «Навигаторе», с высочайшей точностью прогнозировать погоду и многое другое. А в технологии «Диско» (от слова discovery), которая находится под капотом «Яндекс.Радио», нейросети помогают находить новую интересную для пользователя музыку и подсказывать песни, которые будут созвучны его настроению.
Настроение в цифрах
«Яндекс.Радио» — сервис, который предлагает выбирать станции под настроение и лайками или дизлайками оценивать звучащую музыку. Чтобы сформировать такие станции на основе одного лишь абстрактного понятия настроения необходима помощь нейросетей. Именно они помогают из миллиона композиций отобрать треки, которые могут звучать на конкретной станции. Для жанрового радио такие треки отобрать довольно легко: достаточно, например, взять наиболее популярные песни в определенном жанре среди слушателей «Яндекс.Музыки» и предложить их пользователю.
Но что делать, если нужно отобрать треки для «весенней» станции? И что вообще понимать под «весенним» треком? На первый взгляд кажется, что ответить на второй вопрос могут только люди, поэтому для начала мы используем собственный сервис «Яндекс.Толока», позволяющий поставить большое количество несложных задач, за выполнение которых пользователи получают деньги. В нем мы просим пользователей сказать, считают ли они какие-то треки из нашей библиотеки весенними, и делаем из этого выборку. После этого в игру вступают нейронные сети, для которых такая выборка служит положительным примером, и каждую песню в ней они раскладывают буквально по кирпичикам. В итоге на основе этой выборки нейросеть способна оценить на соответствие теме и другие треки из нашей библиотеки.
Дальше начинается самое интересное. Когда у нас на руках есть готовая «весенняя» радиостанция, нам уже проще создавать новые подборки музыки, пусть даже и полностью противоположные по настроению: например, осеннюю или дождливую. А все потому, что нейросеть, на самом деле, понимает музыку в очень широком смысле. Настолько, что для человека такое понимание довольно сложно представить. Подкрепленная знанием о музыкальных жанрах и их составляющих частях, она видит даже такие особенности треков, которые мы никогда бы не заметили, но при этом они играют важную роль в создании настроения музыки. И этих особенностей очень и очень много. Жонглируя ими, наша заряженная нейросетями рекомендательная система с каждой новой радиостанцией все точнее определяет настроение треков, а для создания новых радиостанций требуется уже не так много пользовательских определений настроения, как в самом начале (хотя без них все равно не обойтись). Говоря простыми словами, нейросеть по-настоящему понимает, из чего состоит, например, восприятие «дождливости» у человека и может выразить числами то, что мы никогда бы не выразили словами.
Найти похожий
Недавно мы начали предлагать пользователям еще один способ открывать для себя новую музыку. Если вы, например, заслушали до дыр Can’t Believe It исполнителей Flo Rida и Pitbull, «Яндекс.Музыка» может предложить вам песню куда менее известного исполнителя, и она будет похожа не только по жанру, но и по звучанию.
Сама по себе задача поиска акустически похожих треков действительно непростая, потому что понятие «схожести» музыки довольно условно. Для кого-то важно, чтобы был похож вокал, другой услышал интересный музыкальный инструмент, а третьему важен ритм.
Во время разработки технологий компьютерного зрения (те самые технологии, которые понимают, что изображено на картинке) мы в «Яндексе» заметили, что в процессе обучения нейросеть строит некоторое свое внутреннее представление изображения, и похожие представления соответствуют похожим по смыслу изображениям. Например, нейросеть может «разглядеть» в разных картинках белых кошек. Мы решили поступить аналогичным образом с музыкой. Казалось бы, что мешает нам просто брать и сравнивать разные треки: вот тут перед припевом бит ускоряется похожим образом, а здесь такая же партия саксофона в конце? Проблема в том, что музыки в мире много, а это значит, что есть и огромное число параметров, каждый из которых не так очевиден, как наличие в песни саксофонной партии, но при этом не менее важен.
Для решения этой задачи, как и в случае с «Радио», мы использовали метод обучения с учителем. Мы даем нейросети пример: вот это трек Can’t Believe It, его спектрограмма (мощность звукового сигнала в разные отрезки времени) выглядит так, а теперь определи, почему он считается танцевальным. Нейросеть понимает, например, что в какой-то момент в треке много высоких частот звука, а в другой момент, наоборот, преобладают низкие. И она начинает искать в спектрограмме другие такие зависимости. Это могут быть и не совсем понятные нам колебания звука, которые не факт, что действительно определяют наш запрос, а могут быть вполне очевидные вещи (например, смена ритма в середине песни). В итоге нейросеть переводит все эти особенности в цифры, а сами треки получаются представлены относительно небольшим набором чисел (от нескольких десятков до пары тысяч). Математически это представление выглядит как вектор, и теперь нам нужно всего лишь найти другие песни, чьи вектора будут похожи на вектор нашего трека.
Когда у нас есть несколько таких представлений, построенных разными сетями, возникает логичный вопрос, а как нам их сравнивать? Здесь снова не обойтись без помощи человека. Мы предлагаем людям послушать исходный трек и пару похожих, по мнению нейросетей, треков. А затем спрашиваем, какой трек из этой пары больше похож на исходный. После этого мы можем измерить, насколько точно решение алгоритма совпадает с оценкой людей и лучший из алгоритмов внедрить в «Яндекс.Музыку».
Электронный композитор
Разработанные нами на основе нейросетей алгоритмы и похожие разработки других компаний позволяют компьютерам лучше понять, как устроена музыка, и научиться воспринимать ее подобно тому, как это делает человек. Все это в перспективе позволит не только делать более качественные рекомендации в сервисах, но и создавать алгоритмы, которые смогут сочинять музыку. Сложно предсказать точное время появления таких алгоритмов, но сегодня мы уже понимаем, как это может работать. А это уже большое дело. Например, можно пытаться обучить нейронные сети составлять музыку подобно тому, как это делают люди в специальных программах — секвенсорах: выбирать музыкальные сэмплы, составлять из них последовательность, накладывать эффекты, но не генерировать сами исходные звуки. Задача выглядит вполне решаемой, но и для этого все равно понадобится помощь музыкантов: исполнители должны предоставить примеры таких последовательностей с наложенными эффектами, и тогда нейросеть научится генерировать свои треки. Пускай поначалу у них будет не самая сложная структура, но это в любом случае неплохое начало.
Совсем другое дело создавать музыку с нуля: здесь мы опускаемся на иной уровень абстракции, и такой задаче сеть обучить гораздо сложнее. Только представьте: одна секунда звука в виде волны в цифровом виде это 44 100 чисел. И чтобы сочинять музыку, алгоритм должен научиться понимать зависимости между этими числами на разных временных масштабах. Допустим, мы научились генерировать короткие и неплохо звучащие отрывки, но сложить целое произведение из них очень сложно. Иными словами, этюд на фортепьяно и симфония — это большая разница, и до сочинения нейросетями симфоний еще довольно далеко. Зато они уже неплохо справляются с имитацией авторского стиля в текстах песен, что можно увидеть на примере «Нейронной обороны», проекта сотрудников Яндекса, которые научили нейросеть сочинять тексты песен в стиле Егора Летова, а затем положили их на музыку.
В ближайшем будущем мы наверняка увидим еще много проектов, которые будут использовать нейросети и для написания текстов, и для генерации музыки. Сложно сказать, как это повлияет на искусство, но нейросети в составе рекомендательных сервисов на него уже совершенно точно повлияли: сегодня мы совсем иначе слушаем и открываем для себя музыку, этот процесс стал проще и интереснее, и это прекрасно.
«Яндекс.Музыка» научилась подбирать музыку без слов в «Моей волне»
Сервис «Яндекс.Музыка» предоставил новую возможность пользователям, желающим расслабиться или, наоборот, сосредоточиться под любимые треки. Теперь в настройках «Моей волны», подбирающей музыку под предпочтения пользователей, стала доступной возможность автоматического подбора музыки без слов.
Источник изображения: «Яндекс»
Как сообщает пресс-служба «Яндекса», «Моя волна» уникальна для каждого пользователя, поскольку специальный алгоритм принимает в расчёт всевозможную активность — от лайков до того, какие треки он пропускал и как долго слушал ту или иную композицию.
Нейросеть «Моей волны» может выявлять наличие человеческих голосов в аудиотреках. По данным «Яндекса», рекомендации также используют аудиомодель для анализа содержания трека. Благодаря этому «Моя волна» может определять, какое звучание по душе пользователю в настоящий момент. Например, треки в стиле «лоу-фай», «лаунж», «чиллхоп» или «эмбиент» вместе с настроением пользователя могут смениться на инструментальную музыку.
В компании утверждают, что «Моя волна» быстро обучается и предлагает слушателям что-нибудь новое, задавая нужное настроение в нужный момент. Настройка «Моей волны» — «Без слов» в «Яндекс.Музыке» доступна как в приложениях, так и в версии сервиса для настольных компьютеров. Помимо «Моей волны» без слов можно выбрать еще знакомое/незнакомое, настроение и т.п.
Источник:
Как яндекс музыка подбирает рекомендации
«Яндекс.Музыка» запустила сервис «Моя волна» — персональный поток музыки с новой формулой рекомендаций, который реагирует на каждое действие слушателя и подстраивается под него. Новая функция появилась сегодня на главном экране приложения и сайта, сообщила «Афише» пресс-служба «Яндекса».
music.yandex.ru
«Моя волна» подстраивается под слушателя и обучается на подсказках от самих пользователей: на выбор настроения, характера, языка трека и других критериях. Например, если человек переключил несколько инструментальных треков, «Моя волна» сама поймет, что сейчас лучше ставить музыку с вокалом. Для того, чтобы рекомендательная система обучалась, достаточно просто слушать «Мою волну».
«Мы любим слушать то, что нам уже знакомо, но такая музыка, пусть даже и любимая, может быстро надоесть. В ней не хватает чувства открытия чего-то крутого, неизведанного. „Моя волна“ справляется с этой задачей — дарит больше эмоций, помогает поймать чувство неожиданного сиюминутного восторга от трека, который ты начинаешь слушать первый раз, но уже уверен — он тебе понравится. Больше не нужно искать баланс между любимыми и новыми треками и тратить время на выбор из кучи плейлистов», — рассказывает Александра Сагалович, руководитель «Яндекс.Музыки».
В основе «Моей волны» лежит новая формула рекомендаций, которая учитывает больше тысячи факторов. Именно она позволила значительно увеличить разнообразие музыкального потока. Теперь пользователи на 30% чаще слушают, а не просто встречают новые для себя треки, причем не только знакомых исполнителей, но и совсем новых — их в потоке стало больше на 23%.
Включить «Мою волну» смогут уже сегодня все новые пользователи «Яндекс.Музыки» на главной странице приложений для iOS и Android и веб-версии сервиса. Части текущих пользователей «Моя волна» уже доступна. У всех остальным она будет открываться постепенно и появится в ближайшее время.
Изображение на превью: Soundtrap/unsplash.com