AI DJ w YouTube Music i Spotify rozczarowuje. Test Wired
AI DJ w YouTube Music i Spotify miał wzbogacać słuchanie muzyki. Dziennikarz Wired testował obie funkcje i wyjaśnia, dlaczego ostatecznie wyłączył je na dobre.

Źródło zdjęcia: WIRED
Dziennikarz magazynu Wired przez kilka miesięcy słuchał muzyki z wirtualnymi DJ-ami opartymi na sztucznej inteligencji, najpierw w YouTube Music, potem w Spotify. Jego werdykt jest jednoznaczny: oba rozwiązania wybijają z rytmu, a próby dostarczenia „kontekstu” i naśladowania ludzkiej swobody kończą się porażką. Autor zrezygnował z obu funkcji.
Tekst pokazuje szerszy trend. Coraz więcej słuchaczy trafia na syntetyczny komentarz wbudowany w aplikacje streamingowe. Na szczęście dla autora, jak sam przyznaje, w obu przypadkach jest to funkcja opcjonalna, którą można wyłączyć.
Najważniejsze informacje
- YouTube Music testuje funkcję „Beyond the Beat”, dostępną w ramach programu YouTube Labs. To AI DJ, który losowo wtrąca się między utworami na około 30 sekund i omawia kolejną piosenkę.
- Spotify wprowadziło podobne narzędzie już w 2023 roku. W listopadzie rozszerzyło je o nowe osobowości głosowe i dodatkowe opcje kontroli komentarza.
- Według autora komentarze YouTube Music to „długie akapity frazesów”, w dodatku z błędami: źle wymówioną nazwą artystki i opisem remiksu, po którym odtworzono wersję oryginalną.
- Głosy Spotify celowo używają słów-wypełniaczy, takich jak „you know” czy „like”. U autora wywołało to efekt doliny niesamowitości.
- Spotify deklaruje, że 80 proc. słuchaczy wraca do DJ-a tydzień po tygodniu. Autor Wired nie zamierza do nich dołączyć.
„Beyond the Beat”: AI DJ, który mówi dużo, a niewiele
YouTube Music to ulubiony serwis streamingowy autora. Jako dziennikarz zajmujący się oprogramowaniem zawsze włącza funkcje beta oferowane w YouTube Labs, w tym eksperymentalnego DJ-a uruchomionego przez YouTube w 2025 roku. Założenie jest proste: AI zapowiada zmianę nastroju i dodaje kontekst do następnego utworu.
Po miesiącach korzystania z funkcji przelała się czara goryczy. Podczas porannego treningu autor słuchał playlisty z muzyką popowych div. Po utworze Slayyyter usłyszał 30-sekundowy wywód:
„Hey Boy świetnie oddaje ten zastrzyk energii, ale przenosimy uwagę na ostrzejszą, bardziej instynktowną rzeczywistość. W Rock Music Charli XXC [sic] wplata gryzący, mroczny humor dotyczący fizycznego żniwa jej nieustannego koncertowania w latach 2024 i 2025. Prawdziwe uszkodzenie nerwów, którego doznała w trasie, zamienia w swego rodzaju bliznę wojenną, odzyskując wyczerpanie zmęczonej imprezowiczki jako powód do dumy. To bezkompromisowe spojrzenie na koszt stojący za spektaklem, w którym harówka branży staje się właściwym tematem. Oto Rock Music w wykonaniu Charli XXC [sic].”
Autor podsumowuje to jako „długi akapit frazesów z niewielką treścią”. Z przekąsem dodaje, że AI DJ przekręcił wymowę „mało znanego niezależnego wykonawcy”, czyli Charli XCX. Ta wpadka dobrze oddaje całe jego doświadczenie z funkcją: komentarz wytrącał go z rytmu i nie wnosił nic wartościowego.
Podobnie było z utworem Olivii Rodrigo. DJ szczegółowo omówił remiks Expectations z udziałem Chappell Roan, nazywając go „strukturalną interpretacją”, która rozkłada na czynniki pierwsze „niuanse queerowych randek”. Następnie YouTube Music odtworzył oryginalną wersję utworu, bez Roan. Jak ironicznie zauważa autor, tyle zostało z queerowej tęsknoty.
Spotify: lepiej, ale wciąż nie to
Autor chciał porównać oba rozwiązania, więc wykupił konto premium w Spotify, które daje dostęp do tamtejszego AI DJ-a w wersji beta. Jedną z największych ostatnich zmian było dodanie nowych głosów, dlatego zaczął od ustawień i odsłuchał prezentacje wszystkich ośmiu anglojęzycznych głosów.
Przyznaje, że mógł być już nieco poirytowany po doświadczeniach z YouTube Music, ale głosy Spotify szybko zaczęły go frustrować. Kilka z nich, zapowiadając kolejne utwory, chętnie sięgało po wtrącenia w rodzaju „you know” i „like”. Świadomość, że głos AI jest trenowany do używania wypełniaczy, aby brzmieć bardziej po ludzku, wywołała u niego nieprzyjemne uczucie typowe dla doliny niesamowitości.
Rozwiązania obu firm różnią się zasadniczo. W Spotify AI DJ prowadzi algorytmicznie sterowaną sesję: sam dobiera utwory na podstawie historii słuchania i próśb użytkownika. Ogólnie syntetyczny komentarz Spotify okazał się według autora zwięźlejszy i łatwiejszy do zniesienia niż „gadatliwy” DJ z YouTube. Żadne z tych doświadczeń nie było jednak na tyle przyjemne, by chciał do nich wrócić.
Problem leży w treści, nie w brzmieniu
Spotify w swoim wpisie na blogu, ogłaszającym zmiany, twierdzi, że „80 procent słuchaczy wraca do DJ-a tydzień po tygodniu”. Autor Wired zastrzega, że jego sprzeciw nie wynika z jakości dźwięku. Głosy obu firm ocenia jako przyzwoite i przekonująco ludzkie.
Zniechęca go przede wszystkim zawartość komentarzy. W YouTube Music były to puste frazesy i merytoryczne pomyłki, w Spotify sztuczne naśladowanie ludzkich niedoskonałości mowy. W obu przypadkach, jak pisze, „słyszał już dość”.
Test pokazuje różnicę między technicznym realizmem syntezy mowy a wartością tego, co AI faktycznie mówi. Brzmienie głosów jest już na wysokim poziomie, ale przynajmniej dla części słuchaczy to nie wystarcza, by komentarz między utworami stał się czymś więcej niż przeszkodą.
Źródła
Podobne publikacje

AI i klimat: obietnice redukcji emisji wciąż bez pokrycia
AI i klimat: analiza MIT Technology Review pokazuje, że energetyka, przemysł mięsny i transport rzadko wdrażają AI tak, by realnie ograniczać emisje CO2.

Google uczy mapowania mózgu przez AI w nowej misji edukacyjnej
Google i Stanford uruchomili „Polar Peaks” – misję AI Quests, która uczy nastolatków mapowania mózgu i odpowiedzialnego korzystania z AI.

John Urschel z MIT: matematyczne „mięśnie” wciąż ważne w erze AI
John Urschel z MIT, który rozwiązał z pomocą AI problemy opierające się matematykom od dekad, tłumaczy, dlaczego samodzielna nauka matematyki wciąż ma sens.