热门:从“慧眼识人”到“数据识人”，以前传下来A&R会消亡吗？

本篇文章1746字，读完约4分钟

|范志辉上周宣布索尼音乐将与音乐科技公司rob ronaldson建立合作关系。 使用基于后者大数据的机器学习技术进行a&； r队提供了越来越多层次的发现内在力量，寻找培养新的音乐家。 据此，rob ronaldson与英国索尼音乐娱乐企业共同成立了新唱片企业robots + humans，与作词版权管理企业sony/atv建立了创造性的合作关系。 ronaldson说:“我从没想过我对数据的热爱能应用到音乐界寻找新人才的过程中。” “我希望我们的技术能帮助robots + humans在几年内迅速兴奋，创新，真正有竞争力的产品。 “这是索尼音乐在去年收购rob ronaldson的初创企业re labs后再次密切合作，更值得注意的是，数据技术的大规模进军深入推动了以前流传的a&。 r领域的变革 01根据音乐巨头和科学技术新贵的合作，robots + humans成立后，作为歌手、作曲家powfu，在英国大本营支持活动是主要任务。 这位音乐家的热单《death bed》(ft. beabadoobee )宣布，仅4个月就收获了10亿以上的全球流媒体播放次数。 除了powfu，制造商品牌也进一步支持包装staysolidrocky《party girl》的制作人nashi的活动。 到目前为止，这首曲子的播放次数也将突破10亿次。 这不是ronaldson第一次和索尼音乐发出火花。 以前，当两位音乐家签署索尼音乐所属的美国哥伦比亚唱片企业时，这项科学技术的新贵帮助他们扩大了美国市场。 除此之外，ronaldson还与包括索尼音乐的ministry of sound、black butter、美国广播唱片企业等在内的多个制造商品牌合作过。 自从re labs于年成立以来，ronaldson利用机器学习技术开发了算法，通过监视病毒式副本的流行度和大众反应，帮助唱片企业鉴定和判断新的艺人。 在短短几年内，re labs帮助领域包括regard、young t &； bugsey、sam fischer、koffee等多位艺术家 他们制作的音乐打乱了世界约70亿流媒体的播放次数，其中包括6首英国白金销量单曲，koffee今年也获得了格莱美最佳雷鬼专辑奖。 索尼音乐娱乐企业全球数字商务和美国销售总裁dennis kooker将ronaldson形容为“积极的人才发掘者”，希望通过他掌握的数据技术寻找优秀的艺术才能。 索尼音乐的英国和爱尔兰的会长兼CEO Jason Iley说:“挖掘(艺人)是第一步，今后真的会和其他的不一样。 “回顾ronaldson和索尼音乐的合作经验，ronaldson指出，合作一开始就迅速建立了印象深刻的体裁间音乐数据库。 “robots + humans为我们提供了使用尖端技术开发新艺术家的空间。 我很开心将来会发生什么。 “02从“慧眼识人”到“数据识人”，a&； r全面进入了2.0时代，其实根据数据是a&； r已经在领域内相当流行 从以前开始，大唱片公司就开始改变想法，把焦点放在数据观察的特征上。 年，华纳音乐集团试图与shazam合作，利用后者掌握的数据识别企业新签约的音乐人，协助创建定制的推广营销活动。 年3月，华纳又收购了专门研究算法的a&。 r创业企业sodatone 同年，苹果以近亿美元收购了初创企业asaii，致力于为制造商品牌和经纪人建立音乐分解引擎。 其实，近年来，数据对a&； r的作用越来越受到重视，业界正在进行音乐数据观察技术资源的争夺战。 a&； r始于20世纪中叶 随着留声机的迅速商业化，唱片艺术家诞生了，a&； r为他们开辟了星路，是帮助他们成功的幕后推手。 最初是a&； r的任务是让歌曲和作词作者匹配合适的歌手，随着60年代到70年代摇滚乐的成熟，a&r从发掘到制作、从创作方向到职业生涯，在与艺术家迅速发展相关的全方位上迅速发展。 a&r不仅是星探，他们是艺术家的商业头脑，也是艺术家疯狂的创作冲动和唱片企业严格预算之间的桥梁。 在以前传来的唱片行业，a&； r角色的关键词大致可以归结为“直觉”、“胆量”、“经验”。 但是自从网络出现后，斯特林进入伦敦南部的酒吧发现ed sheeran的那一天就再也没有回来过。 在大数据时代背景下，这项事业将重点放在“解体”，a&； r对音乐市场环境有更深入的了解 英国大西洋唱片公司的a&r副总裁paul samuels说研究“帅孩子听”的作品很难，他说“和大西洋唱片公司的CEO (首席执行官)去独立唱片店看人们在听什么。 我通常星期六去伦敦的rough trade records，现在大部分时候都很忙。 没什么 “而且，科学技术拥有的a&； r事业是产业不再需要这个“繁忙的工作”的过程。 现在通过分解大量数据建立预测模型，a&； r可以事先评价自己对人才的认识是否合理。 那是因为不太需要“冒险”。 除此之外，主流唱片企业还在a&； r的指控也开始接近技术方向。 这是来自环球音乐唱片的motown制造商品牌a&； r位置的招聘通知将被验证。 他们想涉猎sql，找到懂python或R语言的人。 最好有建立统计学背景和预测模型的能力。 有趣的是，其中有优秀的a&； 关于什么都没有提到。 r本来应该具备的所谓“直觉”是艺人的才能、企业的品牌价值等判断能力。 从街头偶遇到坐在办公室看报告，从“慧眼识人”到“数据识人”，a&； r全面进入了2.0时代 03数据为a&； 是r的未来吗？ 现在，数据保持音乐的新人和作品的挖掘已经成为领域共识。 毕竟，数字流媒体时代的爆发使音乐的创作和发行比以往更容易。 据spotify报道，每天约有40000首歌曲进入流媒体网站，平均每分钟超过27首。 对于这样大量的复印件库存，想从中挖钱就像从海里捞针一样。 过去流传的a&； r的做法是，“探星”需要很多时间和人工费。 根据ifpi的年度《全球音乐报告》，唱片公司每年将全球收入的三分之一(约58亿美元)投资于a&r和营销。 对于这样高额的投资，毫无疑问，可以帮助自己做出选择的数据技术成为了“救星”。 这样，唱片公司就可以大幅节约艺术家寻找和发表后操作等价格，将收入损失降到最低，从而使音乐人的合同流程和随后的一系列合作更有效率。 不仅如此，数据观察有助于唱片公司和流媒体音乐平台系统地分解市场模式，加强垂直市场客户的学习和理解。 随着这种理解的加深，音乐领域可以变得更“参加者和顾客的友好”，改善产业生态。 另一个立场是，完美的音乐作品包括很多因素，也有很多变量决定成功与否。 理论上，机器学习技术确实具有判断歌曲是否成功的能力:像music xray这样的工具可以分解歌曲的结构并提供改进建议，像hit song deconstructed这样的平台涉及歌曲的创作本身 但是，不能简单地解读创作中包含的比喻语言、艺术家的音色、舞台风格、个人魅力等歌词和个人表现的复印件。 长期以来，对数据观察技术的过度依赖和滥用有可能限制音乐的创作，建立在数据中的推测不利于扩大音乐人的创造性和可能性，反而有可能导致音乐作品大面积的同质化。 数据驱动程序a&； r的另一个难点是各大平台和制造商面对重新编码这个行业的情况，如何确保自己的数据技术依然真正产生竞争特征。 sodatone联合创始人jerry zhang说，主流唱片公司“从一百万人中，在不同的平台上寻找10位异常优秀的艺术家”。 想想看。 当这些音乐家出现在公众视野中时，意味着能够访问所有主页的唱片企业和和平台可以注意到相对决定的成功信号。 当所有人通过数据观测到相同的信号时，由此展开的运算和事前判断如何能切断越来越多的先行机，同样值得推敲。 也就是说，识别缓缓升起的新星，不仅要注意市场对象的监测，还需要对音乐艺术的理解、领域的敏锐思考，这些都是偶尔无法复制数据和智能的技能。 island制造商品牌a&； r副总监alyssa castiglia说，网络以前传来的a&； 我认为显示了。 r的消失是“这是多阶段的作用，我不认为大家对它足够重视。 "大数据应用程序是a&； 重新定义了。 r，但以“直觉”和“经验”向领域输送新血液的人才不会消失。 数据技术不能直接指出谁是下一个明日之星，但至少可以让决定者们把有限的时间集中在最有希望的方向上。