06Decision Support決策支援

Melody Mind

AI 輔助 A&R 與音樂決策支援

AI-assisted A&R & Music Decision Support

AI 輔助的 A&R 與音樂決策支援。

Prototype / Real-world A&R Use原型／已用於實際選曲

Problem問題

真實問題是什麼

生成式音樂一次可以產出數十到上百個版本。問題從來不是「能不能生成」，而是：人類要如何在大量候選之中，維持一個穩定的審美判斷。

連續聽三十個版本之後，判斷會漂移。早上覺得好的和晚上覺得好的不是同一種標準，而這個標準的變動不會被記錄下來，所以也無法被修正。

這個系統要做的是決策支援：先用可計算的特徵過濾掉明顯不合格的版本，再讓人的判斷集中在真正需要品味的少數選擇上，並把人的評分回饋成可校準的錨點。

Why Existing Workflow Fails原有流程的問題

Listening fatigue moves the baseline
聽感疲勞造成標準漂移
大量連續試聽會讓判斷基準不知不覺移動，且沒有任何機制能察覺這件事已經發生。
No shared scoring axis
沒有共同的評分軸
「好聽」混合了製作品質與市場性兩種不同的判斷。混在一起打分，結果無法解釋也無法比較。
Versions cannot be compared
版本之間無法對照
候選版本散在資料夾裡，要比較第 7 版與第 23 版必須靠記憶，實務上做不到。
Pure model scoring is not trustworthy
純模型評分不可信
把選歌完全交給模型，等於用一個無法解釋、也無法對齊個人品味的黑箱取代人的判斷。這不是這個系統的目標。

System系統

人的評分不是流程的終點，而是回饋進系統的校準訊號。

Key Design Decisions關鍵設計決策

01
Producer and Market scored separately
製作與市場分軸評分
製作品質與市場性是兩個不同的判斷，混成單一分數會讓結果無法解釋。分開之後才看得出「做得好但不適合這張專輯」這種情況。
02
Hard rejection up front
硬性淘汰前置
明顯不合格的版本在進入人工試聽前就淘汰，把有限的注意力留給真正需要品味判斷的候選。
03
Album-specific rules
規則綁定專輯定位
評分規則綁定專輯定位，而不是一套通用標準。同一個版本在不同專輯脈絡下應該得到不同結論。
04
Human calibration anchors
以人工評分作為校準錨點
把人的評分保留為錨點，用來檢查後續判斷是否偏離。這是對抗聽感疲勞的實際做法。
05
Decision support, not prediction
決策支援，不做預測
系統不預測任何歌曲會不會紅。它縮小候選範圍並讓判斷可追溯，最後的選擇仍然是人的。

Tech / Architecture技術與架構

只列與這件作品直接相關的組成，不作為技能清單。

Status / Boundary完成度與限制

Prototype / Real-world A&R Use原型／已用於實際選曲