Большинство API для распознавания музыки выглядят одинаково со стороны: отправляете аудио, получаете название песни. Различия проявляются позже, при работе с вашим аудио, в счетах и когда что-то идет не так в 3 часа ночи. Этот чек-лист сгруппирован в соответствии с тем, как обычно проходит процесс оценки. Каждый вопрос объясняет, почему это важно и как выглядит хороший ответ; большинство из них можно проверить самостоятельно за день, не дожидаясь звонка от отдела продаж.
Там, где полезно иметь конкретную точку отсчета, ответ AudD приводится в краткой заметке. Задавайте всем поставщикам одни и те же вопросы, включая AudD.
Покрытие
Какая музыка находится в эталонной базе данных и насколько она велика? Песню, которой нет в базе данных, невозможно распознать, независимо от того, насколько хорош алгоритм. Хороший ответ содержит размер базы, описание типов музыки (коммерческие релизы, продакшн-музыка, независимые загрузки) и признание того, где покрытие слабое. Проверьте это, составив список важных для вас треков, включая региональные и нишевые релизы, и проверив, сколько из них будет найдено.
AudD: около 160 миллионов песен коммерчески выпущенной музыки.
Как быстро новые релизы становятся доступными для распознавания? Если вы распознаете чартовую музыку, задержка между релизом и возможностью распознавания приведет к пропускам именно тех треков, которые важны пользователям. Мало кто из поставщиков публикует такие цифры. Протестируйте это: возьмите релизы последних нескольких недель и посмотрите, распознаются ли они.
Что происходит, когда совпадений нет? Вам нужен явный результат «нет совпадений», а не самая похожая, но неверная песня. Запустите фрагменты, которых, как вы знаете, нет ни в одном каталоге (ваши собственные записи, тишина, речь), и проверьте, что вернется.
AudD: при отсутствии совпадения результатом является null, а не догадка с низкой степенью уверенности.
Точность и тестирование
Могу ли я протестировать на своем собственном аудио перед подписанием договора? Этот вопрос самый важный. Опубликованные показатели точности измеряются на аудио самого поставщика. Хороший ответ — это токен, который вы можете получить самостоятельно прямо сегодня, с достаточным количеством запросов для проведения реального теста. План пилотного проекта на одну неделю описывает, как составить выборку и что измерять.
AudD: публичный тестовый токен работает на стандартном эндпоинте с лимитом 10 запросов в день; получите свой собственный токен на dashboard.audd.io для проведения полноценного тестирования.
Как измерялась опубликованная точность? Спросите, на каком аудио проводились измерения, какой длины были фрагменты и как учитывались ложные срабатывания. Показатель совпадений мало что значит без показателя ложных срабатываний рядом с ним. Если поставщик не может ответить, измерьте и то, и другое самостоятельно.
Есть ли оценка достоверности (confidence score) и что она означает? Оценка позволяет по-разному обрабатывать совпадение в зависимости от стоимости ошибки: блокировать при высокой уверенности, отправлять промежуточные значения на проверку человеку. Хороший ответ объясняет, что оценка — это относительный сигнал, а не вероятность, и что пороги следует устанавливать на своих собственных данных. См. интерпретацию оценки распознавания.
AudD: каждое совпадение имеет оценку в плане Startup и выше.
Что система не распознает? Поставщику, который может назвать свои ограничения, легче доверять. Спросите напрямую о кавер-версиях, живых выступлениях, напевании, ремиксах и правках, аудио с сильным изменением высоты тона или ускорением, а также о музыке под громкую речь. Затем включите эти случаи в свой тестовый набор.
AudD: распознавание работает с записями. Оно не обнаруживает каверы, напевание или интерполяции, а также не идентифицирует аудио, созданное ИИ или с помощью клонирования голоса.
Входные данные и форматы
Какие аудио- и видеоформаты принимаются и есть ли ограничения по размеру? Конвертация файлов перед загрузкой требует времени инженеров и вычислительных мощностей. Хороший ответ содержит список форматов и ограничений по размеру для каждого эндпоинта. Проверьте это, отправив свои реальные файлы, а не чистый MP3.
AudD: стандартный эндпоинт принимает файлы размером до 10 МБ и анализирует первые 12 секунд; корпоративный эндпоинт также принимает видеофайлы. Подробности в разделах аудиоформатов и качества.
Могу ли я отправить URL вместо загрузки байтов? Если ваш медиаконтент уже находится в объектном хранилище или на CDN, URL экономит этап загрузки.
Как система справляется с записями с телефона, шумными помещениями и музыкой под речь? Это те входные данные, на которых ломаются демо-версии. Ни один поставщик не может дать вам значимую цифру для вашего аудио, поэтому протестируйте его: запишите те же песни в условиях, в которых будут находиться ваши пользователи.
Длинные файлы и потоки
Как вы распознаете двухчасовой файл, в котором много песен? Эндпоинт для коротких фрагментов возвращает одну песню. Для DJ-сетов, подкастов, трансляций и видео вам нужно каждое совпадение с указанием его позиции в файле. Спросите, как разбиваются длинные файлы, что возвращается для каждого совпадения и как это тарифицируется.
AudD: корпоративный эндпоинт разбивает файлы на 12-секундные фрагменты и возвращает каждое совпадение со смещениями; см. разделы стандартного, корпоративного использования или потоков.
Могу ли я контролировать, какая часть длинного файла обрабатывается? Если вам нужно только узнать, содержит ли файл музыку, сканирование каждой секунды — это пустая трата ресурсов. Хороший ответ предлагает ограничение и элементы управления выборкой, которые вы настраиваете для каждого вызова.
AudD: параметр limit ограничивает количество фрагментов; параметры skip и every позволяют выбирать фрагменты файла. См. контроль затрат в корпоративном тарифе.
Можете ли вы отслеживать прямые трансляции и как я получаю результаты? Спросите, какие типы потоков поддерживаются (HLS, Icecast, платформенные каналы), передаются ли результаты через вебхук или запрашиваются, и как сообщается о сбоях потока.
AudD: потоки включают HLS, Icecast, m3u/m3u8, Twitch и YouTube; результаты отправляются на callback URL или считываются через longpoll. См. callback против longpoll.
Частные каталоги
Могу ли я сопоставлять музыку со своим собственным невыпущенным или частным каталогом? Лейблы, библиотеки продакшн-музыки и платформы с эксклюзивным контентом часто нуждаются в распознавании треков, которых нет ни в одной публичной базе данных. Спросите, доступен ли частный каталог, как добавляются треки, как сообщается о совпадении из него и отличается ли ценообразование.
AudD: пользовательский каталог доступен со специальным доступом (пишите на [email protected]). Совпадения содержат ваш собственный audio_id. См. пользовательский каталог против публичной базы данных.
Тарифицируются ли загрузки в частный каталог и безопасно ли их повторять? Если загрузки тарифицируются, клиент, который слепо повторяет попытки, может заплатить дважды. Спросите, как узнать, прошла ли загрузка успешно.
Что возвращается при совпадении? Исполнитель и название — это база. Для отчетности, рабочих процессов лицензирования и дедупликации каталога нужны идентификаторы. Запросите пример ответа и проверьте его на соответствие тому, что ожидают ваши системы.
AudD: исполнитель, название, альбом, дата релиза, лейбл и ссылка на песню; ISRC и UPC в плане Startup и выше; данные Apple Music, Spotify, Deezer и MusicBrainz по запросу на стандартном эндпоинте. Список полей: поля результата.
Ограничены ли идентификаторы тарифным планом? Если ISRC или оценка достоверности находятся за более высоким уровнем доступа, ваш пилотный проект на более низком уровне не покажет, как это будет выглядеть в продакшене. Спросите и протестируйте на том плане, который вы действительно будете использовать.
Сообщает ли мне API, кто владеет правами? Обычно нет, и поставщик, который намекает на это, преувеличивает возможности. Поле «лейбл» не означает владельца прав. Если вам нужно владение правами, планируйте отдельный источник. Раздел «Коды ISRC: объяснение» описывает, что идентификаторы могут и чего не могут вам сказать.
Контроль политик: кто решает, что происходит при совпадении
Принимает ли API решения о совпадениях или вы? Некоторые системы блокируют, отключают звук или заявляют права на контент на основе собственных правил. Другие возвращают результат совпадения и оставляют решение за вами. Ни один из вариантов не является ошибочным, но вы должны понимать, какой из них вы приобретаете, поскольку это определяет, кто отвечает на апелляции пользователей и кто сможет изменить правило на следующей неделе.
AudD: возвращает информацию о совпадении записи и метаданные. Блокировка, отключение звука, логирование или бездействие — это решение вашего кода. AudD не лицензирует музыку, не подает отчеты о роялти и не удаляет контент.
Могу ли я применять разные правила к разному контенту? Для фильтра авторских прав и отображения «сейчас играет» требуются противоположные пороги для одного и того же уровня совпадения. Если пороги задаются поставщиком, вы теряете этот контроль.
Могу ли я повторно применить решение без повторной обработки аудио? Сохраняйте исходное совпадение, а не только ваш вердикт. Когда ваша политика изменится, вы сможете принять решение заново на основе сохраненных результатов, вместо того чтобы платить за сканирование снова.
Модель ценообразования и предсказуемость затрат
Какова единица тарификации для каждого типа ввода? Короткие клипы, длинные файлы и прямые трансляции обычно тарифицируются по-разному. Узнайте единицу измерения для каждого случая и переведите все расценки в единый эквивалент: стоимость тысячи типичных запросов и стоимость часа аудио.
AudD: стандартный тариф — один запрос на вызов; корпоративный (enterprise) — один запрос на 12 секунд обработанного аудио; стримы тарифицируются за поток. Актуальные цены указаны на сайте audd.io; обоснование для каждой единицы измерения приведено в разделе music recognition API pricing.
Сколько стоит пиковый месяц, а не средний? Запуск продукта или импорт архива могут многократно увеличить объем. Уточните, что происходит при превышении лимита по тарифу: оплата сверх лимита, жесткая блокировка или звонок от отдела продаж.
Можно ли ограничить расходы на один вызов? На эндпоинтах с тарификацией по длительности один забытый параметр в многочасовом файле может стоить дороже, чем неделя обычного трафика. Лимит на один вызов — это именно то ограничение, которое вам нужно.
Существует ли минимальное обязательство по оплате? Уточните, можно ли начать с оплаты по факту использования (pay-as-you-go) и перейти на объемные тарифы позже, а также переносится ли неиспользованный объем на следующий период.
Лимиты и масштабирование
Существуют ли лимиты на количество запросов (rate limits)? Лимит определяет, как быстро вы можете обработать архив и превратится ли всплеск трафика в ошибки. Запросите точную цифру, уточните, применяется ли она к токену или к аккаунту, и узнайте, как ее увеличить.
AudD: стандартный эндпоинт не имеет ограничений по частоте запросов; запросы могут выполняться параллельно. При большом объеме сообщите в AudD заранее по адресу [email protected]. Корпоративный эндпоинт имеет лимит по умолчанию на одновременные запросы для аккаунта, который AudD увеличивает по запросу.
Что происходит при сбое или отмене запроса? Уточните, какие ошибки безопасно повторять и тарифицируется ли отмененный запрос. Затем настройте ваш клиент соответствующим образом.
AudD: отмена запроса в процессе выполнения все равно может расходовать квоту запросов. Рекомендации приведены в разделах retry strategy и error reference.
Есть ли страница статуса или история инцидентов? Уточните, как объявляется о сбоях и как быстро служба поддержки отвечает во время их устранения.
Что содержит запрос и являются ли эти данные персональными? Если запросы содержат только аудио и настройки, анализ конфиденциальности проще, чем в случае передачи идентификаторов пользователей. Уточните, какие поля принимает API и определяет ли поставщик спикеров или создает ли профили голосов.
AudD: запрос содержит аудио, ваш токен и настройки распознавания, без полей для идентификаторов пользователей. Анализ конфиденциальности доступен в разделах GDPR и music recognition.
Как долго хранится аудио и используется ли оно для обучения моделей? Получите ответ в письменном виде, если этого потребуют ваши клиенты или юрисконсульт. Хороший ответ содержит раздельные данные о сроках хранения аудио и результатов.
AudD: корпоративные клиенты могут получить соглашение, подтверждающее, что аудио удаляется сразу после обработки и не используется для обучения моделей.
Где обрабатывается аудио и доступен ли DPA (соглашение об обработке данных)? Некоторые стандарты соответствия требуют наличия поименованного списка мест обработки или подписанного DPA независимо от юридического анализа. Спрашивайте об этом заранее, так как согласование контрактов занимает больше времени, чем интеграция.
Интеграция: SDK, документация, тестовый доступ, поддержка
Есть ли официальный SDK для моего языка программирования? Официальный SDK берет на себя загрузку, повторные попытки и разбор ответов. Убедитесь, что он поддерживается (свежие релизы, ответы на открытые вопросы) и предоставляет доступ ко всему API, а не только к базовым вызовам.
AudD: 11 официальных SDK (Python, Node/TypeScript, Go, Rust, PHP, Swift, Kotlin, .NET, Java, C, C++) и инструмент командной строки. См. docs.audd.io/sdks и docs.audd.io/cli.
Могу ли я сделать работающий вызов через десять минут? Регистрация самообслуживания и пример для копирования показывают, как пойдут дальнейшие взаимоотношения. Если первым шагом является звонок в отдел продаж, спросите почему.
AudD: получите собственный токен на dashboard.audd.io; руководство для начала работы позволяет запустить первое распознавание всего в несколько строк.
Полная ли документация, включая ошибки и крайние случаи? Ищите полный список кодов ошибок, формат ответа для случаев отсутствия совпадений и частичных результатов, а также особенности тарификации для каждого параметра. Отсутствие документации по ошибкам означает, что вы изучите их в продакшене.
Кто отвечает, когда что-то ломается? Уточните, является ли поддержка инженерами или очередью тикетов, какие каналы связи существуют и можно ли пообщаться с живым человеком до того, как вы станете крупным клиентом. Отправьте технический вопрос на этапе оценки и засеките время ответа.
Превращение ответов в решение
Сведите ответы каждого поставщика в одну таблицу и отметьте, какие из них вы проверили лично. Придайте больший вес проверенным пунктам. Затем пропустите одно и то же помеченное аудио через ваш сокращенный список; в плане пилотного проекта приведены скрипт и шаблон отчета. Для сравнения рынка лицом к лицу см. best music recognition APIs.
Часто задаваемые вопросы
Какой самый важный вопрос нужно задать поставщику распознавания музыки? Можно ли протестировать API на собственном аудио до подписания каких-либо документов. Опубликованные показатели точности измерены на чужом аудио. Токен самообслуживания и несколько сотен ваших собственных размеченных клипов скажут вам больше, чем любой технический паспорт.
Стоит ли доверять заявленному проценту точности поставщика? Рассматривайте его как показатель на тестовом наборе самого поставщика, а не вашего трафика. Уточните, на каком аудио производились измерения и как подсчитывались ложные срабатывания, а затем измерьте процент совпадений и ложных срабатываний на размеченной выборке вашего собственного аудио.
Сообщает ли API распознавания музыки, кому принадлежат права на песню? Обычно нет. API распознавания сообщает, какая запись совпала, и возвращает метаданные, такие как исполнитель, название, лейбл и идентификаторы вроде ISRC и UPC. Поле лейбла не является владельцем прав, а распознавание не является лицензией. Вопросы владения и лицензирования требуют базы данных прав или обращения к правообладателям.
Как сравнить цены между поставщиками с разной тарификацией? Переведите все расценки в стоимость часа вашего аудио и стоимость тысячи ваших типичных запросов, используя ваше реальное соотношение коротких клипов, длинных файлов и стримов. Затем проверьте, что произойдет в ваш пиковый месяц и будут ли перерасходы оплачиваться или блокироваться.
- Запустите однонедельный пилот на вашем собственном аудио
- Music recognition API pricing
- Best music recognition APIs
- Standard, enterprise, or streams: how to choose
- Interpreting the recognition score
