人工知能は、最もテクノロジー的にマニアックな辺境からポップカルチャーのメインストリームへと飛躍しました。

かつては、人々は殺人的なAIが台頭することを心配していましたが、今ではそれよりも直接的で消費者に関わる疑問が主になっています。「AIは私を楽しませることができるのか？」という問いに対する答えは、明らかに「はい」です。私たちは皆、生成型AIと機械学習の膨大なポテンシャルを利用してさまざまな新奇なことに取り組んでいます。

21世紀の音楽業界における音楽ストリーミングの巨大プレーヤーである、SpotifyがAI提供に参入しました。DJは生成AIを使用して、個々のSpotifyユーザーに直接話しかける声を作り出し、ユーザーの好みと履歴に基づいた非常に個別化されたプレイリストを提供します。

Spotify DJとは？

SpotifyのDJは、Spotifyが提供するAI機能の一つです。これは、ユーザーの好みや聴取履歴に基づいて高度に個別化されたプレイリストを作成し、ユーザーに直接話しかける音声として機能します。

DJは生成AIを使用しており、ユーザーに対して特定の音楽ジャンルの再生や過去の再生曲の再提供、そしてユーザーがまだ聞いていないが好みである可能性が高いバンドの新曲の発表などを行うことができます。つまり、SpotifyのDJは、よりパーソナライズされた音楽体験を提供するためにAI技術を活用した音声アシスタントのような存在です。

DJは、2月に米国とカナダのプレミアム顧客向けにベータ版としてリリースされた際、テスト地域外からの期待と熱望を一気に受けました。「いつインドで利用できるようになりますか？」と一人のYouTubeユーザーが尋ねました。「ヨーロッパにも持ってきて！！！」と別のユーザーが要求しました。

この新しいAI機能は、既に数百万人が日常的に使用している既存のアプリに接続する希少なものが世界に示されました。人工知能の力によってプレイリストが作成されるようになったのです。

しかし、SpotifyはDJを単なるアルゴリズムによって作り出された一時的なAIの輝きとは見なしていません。同社によれば、DJは実際に気に入る新しい音楽を見つけるのに役立つ重要なツールです。インターネットの大部分がアルゴリズムによるキュレーションの理解し難い霧になっている中で、DJはその推薦プロセスへの透明性の窓を提供しています。

AI DJはSonanticとOpenAIの技術を使用して構築されました。Sonanticは、Spotifyが昨年買収したAIスタートアップで、同社の技術は「トップガン: マーヴェリック」でバル・キルマーの声を含む、AIに基づいたリアルな声を作成するために使用されました。

買収前、Spotifyは数年間にわたりAIパワーのある技術の研究に取り組みました。具体的なプロセスの所要時間については明かしませんでしたが、Sonanticの技術を統合することで、「本当に加速された」と述べています。

Spotifyのビジネスモデル

「音楽の発見は、私にとっては基本的な人間のニーズだと思います」と、Spotifyのパーソナライゼーションチームのシニアプロダクトデザインディレクターであるエミリー・ギャロウェイは述べています。「この基本的な人間のニーズ自体は時代とともに変わっていないと思いますが、そのニーズを解決するためにさまざまな技術を試み、その領域で革新し続けています。」

新しい音楽を見つけることは、Spotifyのビジネスモデルにとっても重要であり、ユーザーが有料で聴き続ける理由を増やしています。そして、それを実現する手段として、AIが便利な方法であることがわかっています。

ザビエル・ジャーニガンの遊び心のある声

しかし、DJは既に行っているユーザーの履歴を調査し、新しい曲を提案するという範囲を超えています。その真の力は、Spotifyの文化パートナーシップ担当責任者であるザビエル・ジャーニガンの遊び心のある声に基づいています。

彼はかつてSpotifyの朝のラジオ番組『The Get Up』のホストの一人としていくつかのSpotifyユーザーにはおなじみかもしれません。DJ Xはリスナーの名前を話し、いくつかの曲をアナウンスし、特定のジャンルやアーティストが再生される理由に関するファクトや背景を直接リスナーのヘッドフォンやスピーカーを通じて提供します。

「The Get Up」は、2022年に突然終了する前に約600万人のリスナーを集め、Spotifyでトップ10のポッドキャストとなりました。これはジャーニガンの人気を示しています。

それでも、最初はDJの声のモデルになることについて頭を巡らせるのは難しかったと、このポッドキャストのホストは認めました。

「DJの声のモデルになることを提案されたとき、説明を受けたときには驚きました」とジャーニガンは語りました。「初めてこれを聞いた場合、何も見るものがなく、私は『待って、何？私なのに私じゃないってこと？テキストと音声なのに私の声のように聞こえるってこと？それにAIなの？』と言う感じです。」

「私にとっては、このような形でAIと一緒に働くのは新しい経験でした。本当に驚きました」と彼は付け加えました。

AIのトレーニングプロセス

ジャーニガンは、AIのトレーニングプロセスについて説明しました。スタジオに入り、台本を読み上げ、さまざまな抑揚やイントネーションで異なる感情を表現しました。彼は、自身が使う特定の言葉をAIに与え、できるだけ本物らしく感じさせるようにしました。

「私が使う言葉を使います...私は曲を「tunes」とは言いません。私の話し方ではありません」と彼は語ります。「私は「hits」や「bangers」と言います。だから、DJがそのような言葉を言うのを聞くことができます」とジャーニガンは続けました。「「こんにちは」とか「やあ」といったフレーズの言い方についても、私たちは完全にプロセスを行いました。ノートブックを持ち歩いて、自分が言うような異なるフレーズを書き留めました。」

彼は、Spotifyチームが自然な休憩や息遣いを残すように気を付けたため、AIの声が本当に人間らしく聞こえるようになったと付け加えました。

プロダクトデザイナーの視点

「みんながスマートフォンを見ながら聴いているわけではないので、それは本当にあなたの耳に文脈をもたらしてくれます」とギャロウェイは言います。「私たちは、なぜその音楽が推薦されているのかを理解できれば、聞いたことがない曲にもチャレンジしやすいということで、非常に成功していると感じています。」

生成AIが推薦や声の機能を担当していますが、パーソナリティの大部分は生身の人間の作家たちから生まれています。ギャロウェイは、このチームがDJ Xにパーソナリティを与えるよう努力しており、Spotifyの音楽エディターと協力することで、DJ機能に音楽や音楽文化の知識を注入しており、これらがアルゴリズムの訓練に役立っていると述べています。

これはまるで本物のラジオDJが放送局で話すような感じです。「Spotifyのすべての推薦とパーソナライゼーションにおいて、期待しているのは時間の経過とともにより良くなることです」とギャロウェイは述べています。

AIツールを「DJ」と呼ぶことは、実際の人間のディスクジョッキーたちにとっては少なからず不快感を引き起こすでしょう。彼らは正確な瞬間に適切な曲を選ぶことに特化しています。ギャロウェイは、命名は常に難しいと述べ、SpotifyのDJ機能は人間の音楽センスメーカーを置き換えようとしているわけではありません。「私たちが何度も話し合ったことで、そしてSpotifyの他の多くの機能と比べても、最もユニークなのは、声があなたに話しかけるということです」と彼女は言います。

DJのビジョン

DJの目的は、Spotifyのライブラリに推定1億曲以上の曲やトラックがある中から、スムーズに選別し、フィルタリングすることで、リスナーが自分の好みや気づかなかった好みの音楽を聴くのを支援することです。そして、それはアーティストやコンテンツ制作者にとっても同様です。彼らは自分たちの創作物をまるで漆黒の闇の中に捨てているように感じることもあります。「最終的には、私たちは発見を最適化し、本当に深く意味のあるつながりを生み出そうとしています。だから、リスナーやクリエイター、そしてそのマッチメイキングについて考えなければなりません」とギャロウェイは言います。「パーソナライゼーションは、Spotifyの核心です。」

[参考資料]