音乐雷达：如何将技术变成生意

随着技术的不断发展，消费者多元的需求也越来越能够得到满足。譬如，本文提到的声音搜索就是这样一门满足消费者音乐搜索需求的产品，它不仅能提供通过复制原声进行匹配的搜索，还支持来自人声的哼唱搜索。

当你开车行驶在路上的时候，突然从电台里传来一段熟悉的旋律，你忍不住想把它找出来，却想不起它叫什么名字。这段熟悉的场景出现在王磊的商业构想里，他为其续写的解决方案是这样的：打开手机上一款叫做音乐雷达的应用，对着它哼出熟悉的旋律，系统即会根据旋律前往数据库搜索，并将完整的音乐呈现在界面上。

这种以旋律搜音乐的功能其实并不神秘，国内外互联网*头多有布局。而在不久前，**在摇一摇中悄然上线了音乐外放的原声搜索功能，令音乐搜索的想象空间进一步放大。

音乐雷达与众不同的地方在于，它不仅能提供通过复制原声进行匹配的搜索，还支持来自人声的哼唱搜索。

音乐雷达创始人王磊告诉《**网商·经理人》记者，跟原声搜索相比，哼唱搜索在技术难度上要高得多。前者只需从数据库中找到一段和片段一样的音乐，*多需要考虑噪音干扰或者节奏快慢，但后者除了要对噪音干扰进行抑制外，还需要针对用户的跑调、音高的不准进行处理。“前者是**搜索，后者是模糊搜索。”他说。

双向布局

2006年，在中科院自动化研究所读博的王磊开始接触语音识别这一领域，在实验室环境下进行人声与数据库的匹配。彼时，国内尚未具备移动互联网的环境，而在音乐搜索、识别和交互领域也尚未出现完整的商业模式。面对尚不成熟的市场，王磊选择了蛰伏。

让王磊产生创业冲动的契机来自于国外一家叫做Shazam的公司。2011年，做音乐搜索的Shazam不仅走通了技术路线，还一举贯通了商业模式。

简单来说，Shazam类似于一个音乐分发平台，通过搜索技术引导用户下载音乐，然后付费购买。王磊发现，2011年全年，苹果音乐商店七八十亿美元的销售额中，有10%是Shazam贡献的。这让他万分感慨：音乐搜索市场的好时代来临了。

然而，对比国外环境，无论是西欧还是北美，用户的***付费比例都相当高，而国内对虚拟产品进行付费的环境并不成熟，单纯复制Shazam的模式，可行性显然不强。

正是基于这样的考虑，王磊才为音乐雷达这一产品选择了两条腿走路的方式，在2B和2C领域进行双向布局。

在**模式上，音乐雷达在C端以B的角色上线，接入中移动音乐基地开放平台，一旦用户在音乐雷达上搜索到好的歌曲，便能直接在手机上付费下载并设置为彩铃，而音乐雷达可以从中获得25%～30%的分成。王磊告诉《**网商·经理人》记者，目前，付费彩铃用户主要集中在三线以下城市。

此外，音乐雷达还通过嵌入其他音乐客户端，成为技术提供商，酷狗音乐、酷我音乐和中移动的咪咕音乐上关于音乐搜索的技术，都集成了音乐雷达的产品。

技术原理

从原理来看，音乐搜索属于语音识别的一个子项目，基于“深度学习”的理论——这项技术通过模拟人脑的行为，在达到一定积累后，根据算法识别出相应的内容。

深度学习*早的应用是在谷歌。谷歌开发了一款深度学习机，无需人工标注，直接将图片输入机器，几个月后，计算机就能从输入的图片里找到相似或相同的物品。

王磊告诉《**网商·经理人》记者，与大多数人的理解不同，音乐搜索和语言无关，其主要判断依据是旋律而非唱词。用户在客户端录音并上传到音乐雷达的服务器后，后台系统*先要将其中的旋律特征提取出来，生成一个音符的时间序列，然后再和数据库进行快速匹配，找到与该时间序列一致或相似的文件，*终输出到用户端。其中技术水准的评判主要依据正确率和响应速度。