著作権管理の自動化 – テクノロジーとプロセスの融合

この20年間、私たちは音楽業界が革新によって爆発的に成長するのを見てきた。 今日、ほとんどすべての音楽コンテンツを聴くのに必要なのは、インターネット接続だけだ。 同様に、コンテンツを作成するために必要な基本的なツールは、今やほとんどのコンピューターにあらかじめ同梱されている。 平均的なソングライターは、自分の作品を一夜にして世に送り出す力を利用している。 このような単純な事実は、私たちが音楽と、それを私たちのデバイスにもたらす責任を負う人々に与える価値と同様に、しばしば当然のことと思われている。 空前のコンテンツラッシュを受け、業界はすべてのソングライターがタイムリー、効率的、かつ正確な方法で説明されることを確認する使命を負っている。 それを怠れば、多くのアーティストが音楽ビジネスに対して抱いている不信感や懐疑的な感情をさらに助長するだけだ。

現代の印税徴収のエコシステムの不幸な帰結は、高収入の作品が優先されることである。 MMatch®(エムマッチ) と呼ばれる当社独自のマッチング技術により、ミュセルクはロングテールの作品をトップアーティストの作品と同じ重みで扱うことができる。 MMatch® と標準化されたプロセスの組み合わせにより、ミュセルクは大量のデータを扱うことができ、同時にヒューマンエラーの機会を最小限に抑えることができる。 この価値にとらわれないアプローチにより、すべてのロイヤルティを同じ優先順位で扱うことができる。

使用法の特定は、人間だけで合理的に十分な結果を出せる規模を超えた。 米国だけでも、毎月何千万もの音源が音楽配信サービスでストリーミングされている。 当初は、潜在的なマッチングを分析し始める出発点にさえ到達するために、ほとんどの使用データに存在する唯一の一般的な構成レベルのデータポイントであるISWCに頼るしかなかった。 つまり、国際標準音楽作品コードがない曲は、タイトルや作者だけで照合すると悲惨な結果になるため、その曲にふさわしい注目を浴びることができないのだ。 このようなプロセスには精度の限界がつきまとううえ、グローバル市場へのスケーリングは単純に達成できない。 このような障害を念頭に、ムサークはタイトル、作家、アーティストといったテキストベースのデータポイント間の関係を評価できるMMatch®テクノロジーの開発に着手した。 Muserkの データパイプラインは、かつて手作業で行われていた作業に匹敵するように進化し、より幅広いデータポイントを扱えるように機能が強化されている。 

ロイヤリティ収集の障害を克服するために人工知能を採用することに対する一般的な批判は、リンクが正確に特定されたかどうかを完全に確かめることができないということである。 ミュサークでは、新たに発見されたデータをDSPにプッシュする前に行われる人的分析の重要な段階を認識することで、この感情の真実を認識しています。 どのような業界でも、テクノロジーは仕事の遂行を助けるものである。 医師が患者の命を救うために心臓モニターだけに頼らないのと同じように、権利管理者は、権利者に代わって自信をもって収集するために、どんなソフトウェアも使うことはできない。 権利収集プロセスにおける人間の介在を完全に排除することはできないが、我々のデータパイプラインは、インプットをゼロに近づけるのに役立っている。 

私たちは、最大のボトルネックに絶えず狙いを定め、より良い意思決定を行うために情報がどのように役立つかを特定することで、繰り返すたびにプロセスを進化させている。 より少ない労力でより多くのことを成し遂げたいという思いから、私たちは、印税を徴収するために人間が必要とする作業負荷を軽減し続けることに意欲を燃やしています。 音楽が市場に出回る方法が進化し続ける中、ムセルクは現代の著作権管理の物語を形成する重要なプレーヤーであり続けるだろう。

ミューザーク、日本最大の音楽著作権管理団体JASRACとの提携を発表

ミュゼルクは、一般社団法人日本音楽著作権協会(JASRAC)と提携することになりました。 JASRACは日本最大の著作権管理団体であるだけでなく、アメリカ国外では最大級の権利団体である。 MPAC®やMMatch®のような独自のツールを活用し、JASRACの米国における機械的権利をYouTube上でシームレスに収集できるようにします。

「JASRACは1939年に日本の作曲家や作詞家たちによって、音楽作品の著作権を守るために設立されました」とJASRACの斉藤真美国際担当理事は語る。 「アメリカのYouTubeにおけるJASRACのレパートリーの豊富さと重要性を認識している、このような革新的な会社と提携できることを嬉しく思います。Muserkとの契約が日本の権利者に良い結果をもたらすことを楽しみにしています。”

YouTubeにおける日本の音楽とコンテンツの人気が米国で高まる中、今回の提携は、成長し複雑化する世界のオンライン音楽ビジネスにおける両社の立場を強化するものです。 MPAC®とMMatch®の両方は、ロイヤリティ・チェーン全体を自動化しながら、非常に大規模なデータセットの中から顧客のデータの使用法を見つけるために特別に設計されました。 このワークフローにより、数百人分の仕事を正確かつ短時間で行うことができる。 Muserkは、JASRACの膨大なデータ規模にぴったりだと感じています。

「JASRACと協力できることを大変うれしく思っています。 「JASRACは先進的な権利団体であり、自国内での著作権使用料の徴収に常に積極的である。

ファジィ・マッチングを作曲メタデータに適用する

ミュ-ザ-クでは、作曲著作権者に代わってロイヤリティの請求に多くの時間と労力を費やしています。 このプロセスの一部には、クライアントから受け取ったメタデータと、ストリーミング・サービスによって生成されたメタデータの照合が含まれる。 これはレコード・リンケージとして知られている。 タイトルとライターの情報しかないこともある。 この場合、まず何らかのテキスト検索を行うことを考えるかもしれない。 しかし、ストリーミングサービスは世界中のユーザーからの投稿(およびメタデータ)を受け入れるため、この方法では作曲を正しく特定することが難しくなっている。 この問題を解決するために使うテクニックのひとつが、ファジーマッチングと呼ばれるものだ。

ファジィ・マッチングは、関連する情報を結びつけるルールがファジィである場合に、関連する情報について結論を導き出すために使うことができる。人間である私たちは常にこれを行なっており、目標はそれをコンピューターで再現することである。 このプロセスにより、完全一致でないテキストレコードを取り出し、それらが関連している可能性を判断することができる。 ある曲を含むすべての動画のYoutubeメタデータを見たいとする。 私たちが目にするのは、多種多様なメタデータの集合である。 例を挙げて説明しよう:

曲名オール・マイ・ラヴィング
作家ジョン・レノン|ポール・マッカートニー

この曲のレコードの例を2つ紹介しよう:

記録タイトルライター
1オール・マイ・ラヴィングジョン・レノン/ポール・マッカートニー
2オール・マイ・ラヴィングジョン・レノン、ポール・マッカートニー
サンプル1

この2つの記録に同じ作品が含まれていることは明らかだが、この判断にどのようにアプローチすればいいのだろうか? ルックアップのようにテキストを直接比較すると、”/”と”, “の文字がライターズ・フィールドにあるとミスマッチになる。 では、これらを同じ作品としてプログラム的に識別するにはどうすればいいのだろうか?

ひとつのアプローチは、分析する前にまずテキストを「トークンセット」に変えることだ。 この方法では、スペースと句読点で分割して、各エンティティから単語のリストを作成することができる。 そして、それらのリストをファジーアルゴリズムにかけ、類似性を判断する。 ライターのメタデータで試してみよう。 各記録から単語のリストを作成し、それらのリストをアルファベット順に並べると次のようになる:

リスト1=【ジョン、レノン、マッカートニー、ポール
リスト2=【ジョン、レノン、マッカートニー、ポール

素晴らしい! ここで、リストをファジー・アルゴリズムで単語ごとに比較し、完全に一致することを見つける! この基本的なファジィ照合アルゴリズムにより、2つのレコードを適切にリンクさせることができる。

では、もっと難しい記録に挑戦してみよう:

記録タイトルライター
1オール・マイ・ラヴィングレノン/マッカートニー
2オール・マイ・ラヴィングポール・ジェームズ・マッカートニー、ジョン・ウィンストン・レノン
サンプル2

ここでは、同じ作品に異なるメタデータをつけている。 同じアプローチを使えば、作家のリストは以下のようになる:

リスト1=【レノン、マッカートニー
リスト2=【ジェームス、ジョン、レノン、マッカートニー、ポール、ウィンストン

リスト2にはリスト1の単語がすべて含まれている。 別のファジーアルゴリズムのアプローチでは、まず同一の単語を削除し、それから前と同じファジー分析を実行する。 そうすると、次のような言葉が残る:

リスト1 = [].
リスト2=【ジェームズ、ジョン、ポール、ウィンストン

リスト1が空になったことがわかる。 これをファジー・アルゴリズムにかけると、比較するものが何もなくなるため、100%の一致が返される。 これを要約すると、リスト2にはリスト1の全記録が含まれており、したがって両者は関連レコードである、ということになる。 この方法は完璧ではないが、大半のケースに役立つ。

さまざまなユースケースに対応できるよう、あらゆる種類のファジーマッチング・アルゴリズムがあり、ファジーマッチングはデータパイプラインの1ステップに過ぎない。 テキスト比較を実行できるほとんどのソフトウェア・パッケージは、ある種のファジーマッチ機能を備えている。 今度同じようなことがあったら試してみよう。 あなたに欠けていたツールかもしれない!