DJ Gemini descobre uma nova música favorita para mim

E o que começou como uma brincadeira tornou-se uma busca inesperadamente bem-sucedida por música. Ao tratar Gêmeos como meu DJ pessoal e buscando correspondências em nível de música – e não escolhas amplas de artistas – cheguei a uma faixa que imediatamente disparou para o topo da minha rotação: “Holy Mother”, de Starbenders. A jornada não foi exatamente imaculada, mas iluminou como a IA conversacional pode superar a estática da descoberta musical onde os mecanismos de recomendação anteriores pouco diziam.

Transformando Gêmeos em um DJ pessoal para partidas musicais

Sou o tipo de ouvinte de uma música só, obcecado pela melhor faixa de um artista e praticamente ignorando todo o resto do seu catálogo. Isso frustra muitos sistemas de recomendação, até mesmo O AI DJ inteligente do Spotifyo que me joga de cabeça em artistas adjacentes ou grandes grupos de gêneros com microcaracterísticas mais idiotas que eu realmente adoro. Minha lista de “Músicas Curtidas” cresce dolorosamente lentamente.

“Então dei a Gemini uma diretriz desesperada: não criar mais playlists que eu simplesmente ignoraria, apenas músicas individuais, sem gravações tolas de faixas ou artistas adicionados.” Escrevi um pouco sobre o que aprecio nas faixas de referência, depois solicitei uma correspondência sonora e outra estrutural, junto com explicações rápidas para cada escolha. E eu disse para ele renunciar às escolhas muito óbvias e superexpostas e desenterrar cortes mais profundos onde pudesse.

As alucinações foram o buzzkill na pesquisa musical

O principal modo de falha foi a alucinação. Em várias sessões separadas, Gêmeos propôs com confiança nove canções que não eram reais. Primeiro culpou a pontuação e depois a disponibilidade nos serviços de streaming antes de reconhecer os erros. Isto não era apenas irritante; consumiu tempo e confiança. Em lugares como o Stanford HAI, os pesquisadores registraram as maneiras pelas quais grandes modelos de linguagem podem produzir resultados plausíveis, mas fictícios, e as recomendações musicais não são uma exceção.

O remédio foi a higiene imediata. Instruí Gemini a confirmar a existência de cada música em uma grande plataforma de streaming antes de recomendá-la, incluir detalhes do lançamento e marcar qualquer incerteza. Essa restrição eliminou a ficção e me salvou de algumas tocas de coelho.

O prompt inovador que desbloqueou melhores correspondências

O que funcionou foi ancorar o Gemini em meus dados auditivos reais. Alimentei-o com uma captura de tela de uma lista de reprodução e pedi para raspar as faixas em forma tabular e, em seguida, fiz com que ele inferisse características comuns entre as músicas que eu reproduzia com frequência. Ele vomitou (no lugar do gênero abreviado) rótulos mais sofisticados como “rock teatral” e “showtunes-meets-rock”, este último originado de “Oh Lord”, de Foxy Shazam. Esse enquadramento foi o desbloqueio.

A partir daí, Gemini conquistou duas vitórias rápidas para minhas músicas favoritas: “Holy Mother” de Starbenders e “Could Have Been Me” de The Struts. E “Holy Mother”, em particular, acertou em cheio nesse tom difícil de explicar – hino sem parecer açucarado, dramático sem cair na paródia – e tem sido assistido novamente diariamente. Ao longo dos comentários de outros, descobri mais seis goleiros em rodadas posteriores: “In Between” e “Disease” de Beartooth; “Cidade Natal” de Cleopatrick; “45” de Shinedown; “Medicar” de Hollywood Undead; e “Black Holes (Solid Ground)” dos The Blue Stones. Um deles também subiu para minha lista de curtidos, enquanto os demais foram atribuídos a playlists temáticas para futuras escavações.

Por que isso é importante para a descoberta da música moderna hoje

O streaming é a forma como as pessoas mais ouvem música hoje em dia — dois terços das receitas de música gravada provêm do streaming, de acordo com o último Relatório Global de Música da IFPI, e está a aumentar (incluindo o streaming por subscrição). Mas os principais algoritmos ainda são aqueles que foram projetados em grande escala, não para atender tanto aos gostos peculiares e idiossincráticos de muitos ouvintes. A filtragem colaborativa é muito boa em “Ah, você já gostou da música desse artista antes, então provavelmente vai gostar mais do mesmo material”, e não tão boa em “Jesus, eu adoro essa faixa estranhamente específica”.

Agora é aqui que um modelo de chat pode ajudar. E pode tornar preferências confusas – “isso provoca uma coceira no cérebro” – em características semânticas, algumas ousadamente contrastantes: construções dinâmicas, vocais teatrais, refrões hinos em tom maior, guitarras crocantes de tempo médio ou glamour retrô sem o campo do hair metal. Ao estabelecer essas restrições reais e consultá-las, você pode direcionar a descoberta para a cauda longa, em vez de cair em clichês rotineiros do gênero.

Como testar você mesmo os resultados com etapas simples

• Aterre a IA. Faça uma captura de tela ou copie/cole uma lista de reprodução de 20 a 40 músicas que você ouve continuamente. Peça ao modelo que puxe uma mesa e descreva pontos em comum sem intermediar gêneros.
• Exija escolhas de nível de música. Direcione-o especificamente para não recomendar artistas genéricos e para combinar com base no clima, faixa de andamento, estilo vocal, dinâmica e detalhes de produção. Peça-lhe que identifique por que cada uma dessas sugestões se encaixa.
• Lute contra as alucinações. Faça com que a IA verifique se cada faixa está disponível em pelo menos um grande serviço e tenha permissão para declarar incerteza. Se cometer um erro, corrija-o e recicle os descritores refinados que recebeu de você.
• Itere e enriqueça seu perfil. À medida que suas músicas favoritas aumentam – algumas até melhoram com o tempo – o mecanismo de recomendação padrão também aumenta. A combinação da orientação semântica do Gemini e dos sinais colaborativos de um streamer pode se transformar em algo poderoso ao longo do tempo, expandindo seu funil de descoberta sem diluir seu gosto.

Julgamento após um teste no mundo real de Gêmeos como DJ

O Gemini não substituiu as listas de reprodução algorítmicas ou os recursos do tipo rádio, mas tornou-se um copiloto útil.

Deixando toda essa alucinação de lado, oito músicas genuinamente agradáveis ​​vieram à tona esta semana, e houve três novas adições de Likes – incluindo um tapa no pulso que se tornou meu prego no caixão da audição diária. Se você é um ouvinte exigente e se sente negligenciado pelas recomendações padrão, a camada de conversação no topo da sua biblioteca pode ser o empurrãozinho que aumenta sua próxima obsessão.