我很喜歡看 Spotify Community，這是 Spotify 官方開放給使用者抱怨和提出建議的平台，各種千奇百怪的需求都能在上面找到，比如要求為專輯和歌曲寫筆記，或希望 Spotify 開發自己的 Shazam，好方便收藏新發現的歌曲。
在龐大的許願池中，我看過最有趣的討論是：「Spotify 的隨機播放根本是假隨機！」
當啟用隨機播放功能，許多人發現自己會不斷聽到歌單裡同樣的幾首歌，對於超過 100 首歌的中大型歌單來說，這個情況尤為嚴重。討論中網友體感認為，大概只能聽到其中的十幾二十首，歌曲較容易優先播放的條件有：在平台上的熱門程度（高 > 低）、加入歌單的時間（新 > 舊）、個人聆聽頻率（高 > 低）。只要一不留意，就會形成滿可怕的雪球效應，那些你已經很常聽的歌會更常聽到，最後進入只有幾首歌反覆播放的無限循環。據說最早的時候，Spotify 的隨機是真隨機，但因為曾有使用者抱怨相同歌手的歌常常被連續排在一起（真隨機的確有可能發生這種情形，因為這也是隨機結果的一種），於是 Spotify 更改了隨機的演算法，將相同歌手的曲子稍微錯開，並為了增加聆聽體驗，把風格類似的歌擺在一起。
關於隨機的討論，2020 年就已在 Spotify Community 被提起，累積了五千多個使用者投票按讚求改善，但至今仍未達到大家滿意的結果。
不過，官方做不到的，一定有在世界某個角落的熱心工程師開發第三方工具，比如 TrueShuffle 就是個重寫演算法，讓歌單達到真正隨機播放的 App。Spotify 相較其他串流平台最棒的地方，就是它的資料庫和 API 免費且公開透明，雖然目的最終仍是將使用者導向平台聽音樂，但至少在這中間能延伸出滿多有趣的應用，比如我上面提到的 TrueShuffle，或者製作歌單封面的 Coverify，依曲風等條件快速排序流暢歌單的 Sort by Tune。
我想說的是，無論是傳統樂評、DJ，或現在的平台歌單及演算法，其實都是一個篩選器，在眾多音樂中精準定位符合設定條件的曲目，比如某一曲風、主題、情境、心情等，或單純只是主觀認為的好聽的歌。這件事從頭到尾都沒有變，變的是經由人和電腦篩出的結果大不同，至少分析歌詞的情緒，對電腦來說還是有點傷腦筋的工作。我滿常聽 Spotify 上標註「專為厚安精心打造」的歌單，但這幾年越聽越無聊，驚喜越來越少。我想，喜歡音樂的人應該有部分樂趣來自於聽自己完全沒聽過，從未想像過的聲音，可能是陌生的曲風、少見的樂器、有趣的音色等等，但演算法就像一個框框，一個 DVD 播放機的螢幕保護程式（這比喻是不是有點太老），你就只能在這個範圍裡彈來彈去。
對 Spotify 推薦演算法至關重要的工程師 Glenn McDonald 曾說：「你還沒聽過你最喜歡的歌。」世界上的音樂實在太多了，必須要遇上機緣巧合你才能在成千上萬的歌曲中聽見「那一首歌」，不見得是靠未能盡善盡美、仍以商業考量為優先的演算法幫忙，而是一個你追蹤的樂評或 DJ 帶你找到它。
多年來，我大多因為音樂專家的推薦或在網路上奮力撈取才找到自己喜歡的歌。在這個連晚餐要吃什麼都想問一下 ChatGPT，一點時間也不願浪費的時代，還有熱情如此徒勞的人應該不多了，而那就是現在樂評和 DJ 所在的位置，我相信人的複雜性能比機器為他人帶來更多驚喜。
最近我正在讀《串流音樂為何能精準推薦「你可能喜歡」》，作者是我稍早提到的 Glenn McDonald，我以前真的好愛用他做的 Every Noise at Once 網站來發現新曲風，可惜他被 Spotify 裁員後網站就不再更新。希望看完這位過來人說明音樂推薦演算法的發展歷程及挑戰後，我對人與電腦該如何妥善分配角色的想法會更明朗。
參考資料：
厚安RADIO 
發表留言