7.3
深览指数
人文少数派·ChandlerLin··AI 生成

在流媒体时代,我们如何发现和管理音乐?

文章核心观点是:流媒体算法擅长强化已有兴趣,但难以突破审美边界,导致音乐发现同质化。作者提出一套系统的音乐探索方法论,包括发现、筛选、延伸探索和建立元数据地图四层结构,并详细介绍了RYM、Discogs等平台和人工策展的价值。适合对音乐有深度探索需求、希望摆脱算法茧房的听众。原文 ↗

核心观点
  • 流媒体算法擅长推荐同类型音乐,但无法发现差异较大的音乐类型,导致音乐发现同质化。
  • 建立一套包含发现、筛选、延伸探索和元数据地图的系统,是持续发掘新音乐的根本方法。
  1. 01作者展示了Spotify Daily Mix和Apple Music Heavy Rotation歌单,其中多为已听过的歌曲,说明算法推荐在新音乐发现上的局限性。
  2. 022019年马克斯·普朗克研究所的研究显示,流行音乐生命周期在缩短,文化加速现象导致单曲消费取代专辑消费。
  3. 03作者以Radiohead的《OK Computer》为例,说明通过延伸探索(制作人、影响来源)可以从另类摇滚扩展到电子音乐和实验音乐。
  4. 04RYM平台提供了详细的类型分类(如Chamber Pop、Shoegaze)和声音特征描述(如melancholic、psychedelic),帮助用户精准探索。
  5. 05Discogs记录唱片发行版本、制作人员名单、厂牌等元数据,如通过母带制作人Alex Wharton的作品可发现具有类似听感的唱片。
  6. 06作者推荐了Fantano(The Needle Drop)、Amoeba的《What's In My Bag?》系列、KEXP和Tiny Desk等音乐策展渠道。
反方 / 局限
  • 作者承认RYM用户群体偏向独立音乐和实验音乐,对主流商业流行音乐评价较低,且高分专辑不一定适合每个人。
  • 建立系统的音乐探索方法需要时间和精力,在快节奏生活下对普通听众可能门槛较高。
36 分钟 · 4 卡片 · 10 资料
读原文 →

前置背景

平行视角

未来推演

延伸追问