Shazam tieši ChatGPT: ātra mūzikas atpazīšana čatā

Tu sēdi kafejnīcā. No skandu sistēmas atskan dziesma — lipīga, nepazīstama, neiespējami to ignorēt. Instinktīvi tu ķeries pie Shazam. Bet tagad ir pavērsiens: iespējams, tev vispār nav jāaiziet no ChatGPT.

Apple un OpenAI klusi savienojuši vienu no interneta iecienītākajiem mūzikas atklāšanas rīkiem tieši ar ChatGPT pieredzi. Rezultāts ir vienkāršs, bet spēcīgs. Tā vietā, lai pārslēgtos starp lietotnēm, lietotāji tagad var identificēt dziesmas tieši čata saskarnē.

Ieraksti uzvedni, piemēram, „@Shazam” vai uzdod ChatGPT jautājumu, kāda dziesma pašlaik skan, un lietotnē parādīsies mikrofona poga. Pieskaries tai, ļauj audio skanēt dažas sekundes, un pazīstamā Shazam atpazīšanas dzinēja tehnoloģija pārņems darbu. Sekundes laikā ChatGPT atgriezīs ieraksta nosaukumu kopā ar priekšskatījumu — parādītu glītās kartītēs, kas atgādina Apple Music vizuālo stilu.

Tehnikas ziņā tas ir tas pats audio pirkstu nospiedumu (audio fingerprinting) risinājums, kas padarīja Shazam slavenu. Atšķirība ir tajā, kur šī tehnoloģija tagad atrodas. Tā vairs nav atsevišķa lietotne, ko palaist steigā, pirms beidzas kora daļa — tā ir ieausta AI palīga sarunas slānī.

Mūzikas atklāšana, neizejot no čata

Šīs integrācijas vispraktiskākā iezīme varētu būt tās plašais darba lauks. Tev nav nepieciešams iPhone, Mac vai jebkura cita Apple ierīce. Funkcija darbojas ChatGPT vidē uz dažādām platformām, tostarp Android, iOS un tīmeklī. Citiem vārdiem sakot, mūzikas atpazīšana notiek AI vidē — ne tikai Apple aparatūras ekosistēmā.

Tas teikts, Apple lietotāji saņem nelielu bonusu. Ja atsevišķā Shazam lietotne jau ir instalēta tavā telefonā, dziesmas, kuras identificētas caur ChatGPT, var tikt saglabātas tieši tavā Shazam bibliotēkā. Tas palīdz sakārtot atklājumus vienā veltītā vietā, neļaujot tiem pazust garu AI čatu vēstures plūsmā.

Un, tiklīdz dziesma ir identificēta, pieredze neapstājas pie atpazīšanas. ChatGPT jau atbalsta integrācijas ar Apple Music un Spotify. Tas nozīmē, ka ieraksts, ko tu tikko atklāji, var uzreiz kļūt par pamatu jaunai atskaņošanas sarakstam. Vienā brīdī tu jautā AI, kas skan; nākamajā — veido kurētu atskaņošanas sarakstu ap to skaņu.

Tā ir neliela darba plūsmas maiņa, bet tā norāda uz ko plašāku: AI palīgi lēnām kļūst par ikdienas digitālo uzdevumu centriem. Mūzikas atklāšana, ieteikumi, atskaņošanas sarakstu veidošana — lietas, kas agrāk prasīja vairākas lietotnes — arvien vairāk saplūst vienā sarunvalodīgā interfeisā.

Kā tas strādā tehniski

Shazam pamatā izmanto audio pirkstu nospiedumu tehnoloģiju: tā izveido kompaktu un unikālu akustisku profilu no īsa audio fragmenta, kuru pēc tam salīdzina ar miljoniem citoserveros saglabātu paraugu. Kad ChatGPT izsauc Shazam rīku, notiek šādas darbības:

• Audio uzņemšana: mikrofons ieraksta īsu skaņas fragmentu no apkārtējās vides vai no médiaplayera.
• Signāla priekšapstrāde: tiek noņemts fons, uzlabota skaņas kvalitāte un izveidots frekvenču spektrs.
• Fingerprints ģenerēšana: no spektra tiek izvilkti atpazīstami akustiski zīmogi (hashes).
• Salīdzināšana ar datubāzi: šie hash tiek meklēti milzīgā paraugu datubāzē, lai atrastu labāko atbilstību.
• Atgriešana ar metadatiem: ja ir saskaņojums, sistēma atgriež dziesmas nosaukumu, izpildītāju, albumu, izdošanas gadu un citus metadatus, kā arī priekšskatījumu vai saites uz straumēšanas pakalpojumiem.

Kur notiek aprēķins — lokāli vai mākoņos?

Lielākoties pats salīdzināšanas process notiek serveros — tas ir nepieciešams, lai piekļūtu plašajai paraugu datubāzei un nodrošinātu ātru, precīzu atbilstību. Tomēr pirmie posmi — audio uzņemšana un daļa priekšapstrādes — var notikt lokāli tavā ierīcē vai pārsūtīšanas posmā, pirms dati nonāk mākoņos. No lietotāja viedokļa šis process ir gandrīz reāllaikā, un atgrieztā rezultāta izskats ChatGPT čatā ir vizuāli integrēts ar Apple Music tipa kartītēm.

Privātums un drošība

Mūzikas atpazīšanas rīki bieži liek uzdot jautājumu par privātumu: kas tiek ierakstīts, kas tiek nosūtīts un cik ilgi dati tiek glabāti? Šeit jāņem vērā vairāki svarīgi aspekti:

• Audio fragments: parasti tiek ierakstīts īss audio fragments tikai tik ilgi, cik nepieciešams, lai ģenerētu fingerprint. Pēc atpazīšanas fragments bieži tiek dzēsts vai anonimizēts.
• Metadati: pieprasītā dziesmas informācija (nosaukums, izpildītājs, albums) tiek saglabāta kā meklēšanas rezultāts, bet tas neatklāj tavu sarunu saturu.
• Piekļuves atļaujas: ChatGPT pieprasa mikrofona atļauju, un lietotājam ir iespēja pārvaldīt šo piekļuvi ierīces iestatījumos.
• Kontu sasaistes: ja tu saisti Shazam ar savu kontu (piemēram, Apple ID vai ChatGPT kontu), atklātās dziesmas var tikt saglabātas tavā Shazam bibliotēkā — tas ir ērti, bet prasa apzinātu piekrišanu.

Ja drošība un privātums ir svarīgs kritērijs, ieteicams iepazīties ar OpenAI un Apple politiku par datu apstrādi, kā arī pārvaldīt lietotņu atļaujas savā ierīcē. Vispārēji runājot, šāda integrācija tiek veidota tā, lai nodrošinātu ātru funkcionalitāti, vienlaikus minimizējot lieku personisko datu uzglabāšanu.

Integrācija ar straumēšanas pakalpojumiem

Viena no ievērojamākajām priekšrocībām ir iespēja ātri pārvērst identifikāciju praktiskā darbībā. ChatGPT integrācija ar Apple Music un Spotify nozīmē, ka atklātais ieraksts var:

• būt tieši atvērts straumēšanas lietotnē;
• tikt pievienots jauniem vai esošiem atskaņošanas sarakstiem;
• tikt izmantots kā ierosme turpmākiem mūzikas ieteikumiem un personalizētām izlaseēm;
• tikt saglabāts Shazam bibliotēkā, ja atbilstošā lietotne ir uzstādīta.

Šāda integrācija ļauj ātri pāriet no atklāšanas uz klausīšanos, atskaņošanas sarakstu veidošanu vai mūzikas atklāšanas paplašināšanu bez manuālas meklēšanas un datu ievades.

Kā to iestatīt un lietot

Rīka aktivizēšana parasti aizņem dažas minūtes. Pamata soļi ir šādi:

1. Atver ChatGPT lietotni vai tīmekļa versiju.
2. Ieej sadaļā ar lietotnēm vai rīkiem (Apps vai Tools) un atrodi Shazam.
3. Sekojiet norādēm, lai sasaistītu Shazam ar savu ChatGPT kontu (ja nepieciešams) un piešķir mikrofona atļaujas.
4. Kad rīks ir pieslēgts, uzraksti uzvedni, piemēram, „@Shazam” vai „Kāda dziesma skan?”, un nospied parādīto mikrofona pogu, lai sāktu atpazīšanu.

Alternatīvi, integrāciju var aktivizēt tieši no tās veltītās rīka lapas ChatGPT platformā. Pēc veiksmīgas pieslēgšanas atpazīšanas funkcija parasti kļūst pieejama visās atbalstītajās ierīcēs, kas saistītas ar šo pašu kontu.

Padomi efektīvai atpazīšanai

• Ja iespējams, pietuvini ierīces mikrofonu skaņas avotam un samazini fona trokšņus.
• Ja dziesma ir daļēji pārklāta vai atskaņota vāja skaļumā, mēģini palielināt skaļumu vai izmantot ierakstu no tuvākas pozīcijas.
• Dažkārt atpazīšanas precizitāti uzlabo vairāku sekunžu fragmenta ieraksts, tāpēc neliec pogu pārlieku ātri.

Pielietojumi, ieguvumi un ierobežojumi

Šāda funkcionalitāte atver vairākas praktiskas lietošanas iespējas gan ikdienas lietotājiem, gan profesionāļiem:

Ieguvumi

• Ātrums un ērtums: vairs nav jāmaina lietotne, pietiek ar vienu pieprasījumu čatā.
• Kontekstualitāte: AI var arreiz sniegt papildus informāciju, piemēram, par dziesmas vēsturi, žanru vai līdzīgiem māksliniekiem.
• Integrēta darbplūsma: iespējams uzreiz veidot atskaņošanas sarakstus vai saite uz straumēšanas pakalpojumiem.

Ierobežojumi

• Atpazīšanas precizitāte var samazināties trokšņainā vidē vai pie zemas skaņas kvalitātes.
• Dažas reizes var būt jāapstiprina rezultāts, ja ir daudz līdzīgu skaņu materiālu.
• Privātuma apsvērumi un datu glabāšana var prasīt papildus uzmanību no lietotāja puses.

Nākotnes perspektīvas un iespējamās paplašināšanas

Šāda veida integrācijas ir tikai sākums plašākām iespējam. Pāris iespējamie virzieni:

• Vairāk pakalpojumu integrācija: paplašināšana uz citiem straumēšanas vai mūzikas bibliotēku pakalpojumiem.
• Personalizētāka mūzikas atklāšana: AI var mācīties no tavām izvēlēm, veidojot precīzākas rekomendācijas un pielāgotus atskaņošanas sarakstus.
• Reāllaika sadarbība: spēja kopīgot atklājumus tieši sarunā ar draugiem vai kolektīvi veidot atskaņošanas sarakstus grupā.
• Vairāku avotu analīze: spēja identificēt ne tikai pilnās dziesmas, bet arī remiksus, live izpildījumus vai filmām/TV pielāgotus audio fragmentus.

Šīs paplašināšanās iespējas var padarīt ChatGPT un līdzīgus AI palīgus par patiesiem mūzikas atklāšanas centriem, kur saruna un rīcība saplūst vienā mijiedarbības punktā.

Kāpēc šis solis ir nozīmīgs

No tehnoloģijas attīstības modeļa skatpunkta, šāda integrācija ilustrē plašāku tendenci: funkcionalitātes saplūšana, kas agrāk bija sadalīta starp atsevišķām lietotnēm, tagad tiek centralizēta sarunvalodīgā interfeisā. Tas maina lietotāja pieredzi — no instrumentu pārslēgšanās uz vienotu darbplūsmu, kur AI ne tikai atbild uz jautājumiem, bet tieši veic darbības.

Arī mūzikas industrijai tas nozīmē ātrāku ceļu no atklāšanas līdz klausīšanās brīvai rīcībai. Mākslinieki un izdevniecības var gūt labumu no vieglākām atklāšanas un straumēšanas plūsmām, savukārt lietotāji — no ērtākas un ātrākas piekļuves mūzikai, ko viņi patiesi vēlas dzirdēt.

Praktiski piemēri no ikdienas

Daži tipiski scenāriji, kur šī integrācija noder visvairāk:

• Kafejnīca vai restorāns: ātri noskaidrot dziesmas nosaukumu, kas tev iepatikusies, un saglabāt to nākamajam vakaram mājās.
• Radio vai reklāma: atpazīstot dziesmu reklāmā vai radio raidījumā, uzreiz pievienot to savai atskaņošanas sarakstam.
• Pasākumi un festivāli: identificēt izpildītāju, kurš skan fonā, pat ja tas nav uz skatuves galvenais hits.

Secinājums

Shazam integrācija ChatGPT iezīmē solījumu par ērtāku, ātrāku un sarunvalodīgāku mūzikas atklāšanas pieredzi. Tā savieno pazīstamo atpazīšanas tehnoloģiju ar AI sarunas konteineru, samazinot nepieciešamību pārslēgties starp lietotnēm un atvieglojot ceļu no atklāšanas līdz klausīšanai. Lai gan jāņem vērā privātuma un kvalitātes ierobežojumi, kopumā tas ir solis uz centralizētāku un kontekstualizētāku digitālo pieredzi.

Izplatība jau notiek visā pasaulē — neatkarīgi no tā, vai izmanto ChatGPT telefonā, planšetē vai pārlūkā, pazīstamais „Kāda šī dziesma?” brīdis kļūst nedaudz ātrāks un daudz sarunvalodīgāks.