投稿者: Justin Ahmanson

「ナッシュビルにはソングライティングの長い歴史がある。

これは、2017年秋にここに引っ越してきたときに何度も耳にしたことだった。 当時は、この発言が音楽業界の運営方法についての洞察であることを理解していなかった。 私にとって、”ソングライター “という言葉は、”アーティスト “や “ミュージシャン “という言葉と大差なかった。 私は好きなアーティストの曲を演奏したり、自分で曲を作って演奏したりして育ってきた。 僕にとってはすべて音楽だった。 音楽業界は、特にナッシュビルにおいては、非常に明確な区別のもとに動いていることに気づいたのは、後になってからだった。

ナッシュビルで初めて行ったライヴのひとつが、ベルコート・タップスというダウン・ホーム・タイプの会場だった。 このショーは、4人のソングライターがステージに並んで座り、交代で最近書いた曲を演奏するという “in the round “スタイルのショーケースだった。 私が引っ越したオースティンでは、このようなショーに遭遇したことはなかったが、ここでは標準的なやり方だと感じた。 驚いたことに、特にソングライターの一人はとても下手なミュージシャンだった。 彼のギター演奏はミスノートが多く、チューニングを合わせて歌うのに苦労していた。 しかし、魅力的だったのは、彼がまったく気にしていないように見えたことだ。 彼は聴衆にもっと興味を持ち、自分の歌に対する反応を測ろうとしていた。 私はすぐに、彼がこれらの曲を自分で演奏することに関心がないことに気づいた。 彼の目標は、自分の曲を最も面白い形、つまり3分半の珠玉の曲に磨き上げることだった。 コメディアンがジョークをうまく言えるようになるまで何度も何度も練習するのを思い出した。 これは、音楽業界がいかにアーティストとソングライターを明確に区別しているかということを初めて知るきっかけとなった。

それから約1年後、私はミュゼルクでソフトウェア開発者として働き始めた。 ミュサークは、テクノロジーを活用し、卓越したスピードとスケールで業務を遂行するグローバルなライツ・アドミニストレーターです。 私は、技術者としてのキャリアと音楽への愛を結びつける機会に興味をそそられた。 さらに、音楽業界のビジネス面について学ぶチャンスでもあり、自分の音楽活動にも役立つと思った。

仕事を始めてすぐに、私は権利管理という非常に複雑な世界に放り込まれた。 私の最初のプロジェクトのひとつは、後にM-Matchとして知られることになる、膨大なDSPデータの海から作品を探し出すための当社独自のAI技術の開発だった。 その中で、私は音楽業界の儲け方の複雑さを学んだ。

音楽産業は2つの著作権から利益を得ている。1つは原作または作曲に対するもので、もう1つは録音に対するものだ。 実際には、出版社（ソングライター／作品）とレーベル（アーティスト／録音）という2つのタイプのビジネスが存在する。 つまり、Spotifyで曲を再生した場合、その曲から発生するお金の一部はレーベル／アーティストに、一部は出版社／ソングライターに渡るはずだ。 Spotifyのような会社なら、このようなことを事前にすべて知っていて、対処してくれるだろうと思うかもしれない（私もそうだった）。 そうではない。

大きな問題のひとつは、レーベル界と出版界がお互いに話をしないことだ。 つまり、レーベルはSpotifyに楽曲をプッシュし、根本的なソングライターに関する情報を提供しない（場合によっては、それすら知らない）。 そのため、スポティファイは出版社／ソングライター部分の送金先を知ることができない。 これはかなり簡略化されたものだが、正確な説明である。

ミュゼルクが輝くのはここからだ。 私たちは、適切な印税を徴収・分配できるよう、ソングライター関連のメタデータと音源のマッチングにほとんどの時間を費やしています。 デジタル音楽の時代において、これは容易なことではない。 私たちはあらゆる種類のテクノロジー、プロセス、洞察力を駆使して、可能な限り多くのデータを照合する。 私たちは、作品を迅速かつ正確に、そして大規模にマッチングできるよう、常に革新に努めています。 私はこのテクノロジーを構築し、その結果を伝える方法を生み出すことにほとんどの時間を費やしている。 自分の仕事がミュージシャンに正当な報酬が支払われることに貢献していると思うと、誇らしい気持ちになる。

ミュージシャンとして、ミュゼルクで過ごしたこれまでの時間は、音楽界の本当の仕組みに目を開かせてくれた。 私は、企業が業界のごく小さな部分に完全に専念していることを学んだ。 例えばナッシュビルでは、次のヒット曲を作ろうとする人たちのネットワークがあり、レコーディングや演奏には関心がない。 同時に、次のビッグ・アーティストになろうとしている人々のネットワークがあり、自分の曲を書くことなど気にも留めていない。 僕にとっては、自分がどこにフィットするのか、まだ見つけようとしているところなんだ。 しかし、業界全体をより広く理解することは、私自身の音楽の旅をナビゲートするのに役立つと思う。 そしてもちろん、私のメタデータは正しいものになる。

次のヒット曲は、レコーディングも演奏もどうでもいい。 同時に、次のビッグ・アーティストになろうとしている人々のネットワークがあり、自分の曲を書くことなど気にも留めていない。 僕にとっては、自分がどこにフィットするのか、まだ見つけようとしているところなんだ。 しかし、業界全体をより広く理解することは、私自身の音楽の旅をナビゲートするのに役立つと思う。 そしてもちろん、私のメタデータは正しいものになる。

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

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

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！