📈 Исследование: половина новых популярных треков на Яндекс Музыке создана ИИ
📈 Исследование: половина новых популярных треков на Яндекс Музыке создана ИИ Независимый исследователь alexeyfv опубликовал на Хабре (https://habr.com/ru/articles/1054636/) подробный анализ каталога Яндекс Музыки за первое полугодие 2026 года. Результаты исследования оказались примечательными: около 37% всех новых треков имеют явные признаки генерации. Если же исключить релизы без единого лайка, доля нейромузыки среди новинок достигает внушительных 50%. В основе работы лежит алгоритм детекции, который позволяет определять сгенерированные треки с точностью, близкой к 100%. Как математика помогает находить ИИ-музыку В основу разработанного автором решения легло исследование специалистов стриминга Deezer (A Fourier Explanation of AI-music Artifacts). Из-за особенностей архитектуры нейросетей сгенерированное аудио содержит специфические частотные дефекты — так называемые «шахматные артефакты», проявляющиеся в виде резких пиков на определённых частотах. Чтобы научить модель распознавать эти аномалии, был применен следующий пайплайн: ▫️ Преобразование Фурье. Сложный звуковой сигнал раскладывается на отдельные гармоники для детального анализа спектра. ▫️ Вычисление производной. Вместо сложного алгоритма Convex Hull, применённого в оригинальном методе Deezer, автор использовал первую производную спектра. Это позволило гораздо проще выделить скрытые пики (особенно на участке от 6 до 16 кГц). ▫️ Обучение классификатора. После снижения размерности признаков методом главных компонент (PCA), данные передаются модели XGBoost. Модель обучили на датасете SONICS (1500 треков). Точность классификатора оказалась практически идеальной — близкой к 100%, что согласуется с результатами исследователей Deezer (≈99%). При этом для работы алгоритма не требуются мощности GPU — все вычисления легко производятся на обычном ноутбуке, что делает технологию доступной для любого стриминга. Статистика по жанрам и глобальный контекст Анализ более 3,8 млн треков выявил ключевые закономерности распространения ИИ-контента на платформе: ▫️ Жанры-лидеры. В абсолютном выражении больше всего сгенерированных треков обнаруживается в поп-музыке, роке, рэпе и электронике. В относительном же выражении лидируют шансон и K-pop — там доля ИИ-треков достигает колоссальных 80%. ▫️ Поведение слушателей. Хотя сгенерированные треки в среднем реже получают лайки, среди них уже есть полноценные хиты. Например, созданная ИИ композиция «Шадэ» в мае удерживала 2-е место в общем чарте Яндекс Музыки. ▫️ Мировой тренд. Проблема заполнения платформ нейросетями глобальна. Ранее стриминг Deezer сообщал, что до 44% их новых ежедневных загрузок составляют треки, созданные искусственным интеллектом. Вопрос внедрения обязательной маркировки ИИ-контента в отечественных сервисах остаётся открытым, хотя технически, как показывает исследование, это реализуется относительно просто. 💬 Как вы относитесь к тому, что половина оцениваемых слушателями новинок на стримингах — это генерации? Должна ли Яндекс Музыка ввести маркировку таких треков, по аналогии с зарубежными коллегами? Пост из моего тг-канала «Музыкальный ИИ» — https://t.me/gensound. #ЯндексМузыка #Deezer #ИИ #Алгоритмы #Стриминг #Исследование #Нейросети #МаркировкаИИ #Хабр