Desde o apogeu do rádio, dos discos, das fitas cassete e dos tocadores de MP3, a categorização sonora evoluiu de gêneros amplos, como rock e hip-hop, para “tarde paranormal em cabaré sombrio” e “synth espacial”, e o streaming se tornou o padrão. Os DJs de rádio foram substituídos pela Inteligência Artificial, e o ritual de descobrir algo novo está perfeitamente embalado em uma playlist de 30 músicas, semanalmente atualizada. A única regra no streaming de música, como em qualquer outro setor hoje em dia, é a personalização.
Porém, o que ganhamos em conveniência, perdemos em curiosidade. De fato, nosso acesso ilimitado nos permite ouvir house tropical sueco ou hardcore de Nova Jersey, mas essa abundância de opções, na verdade, torna nossa experiência auditiva menos expansiva ou eclética.
A maioria de nós acessa música por meio de serviços de streaming: mais de 600 milhões de nós em todo o mundo, para ser exata. E, com mais de 30,5% dessa população, quase o dobro da participação de qualquer outro serviço de streaming no mercado, está o Spotify. Com o lançamento revolucionário do Discover Weekly em 2015 – uma lista de reprodução gerada que adapta as seleções de músicas aos hábitos de audição do usuário –, o Spotify apresentou a personalização como a solução para nossa superabundância de opções.
Apesar disso, ao entregar de forma eficiente o que as pessoas parecem querer, eliminou efetivamente a escolha e removeu a humanidade de toda a experiência de ouvir – e descobrir – música. Segundo um relatório de 2022 do Distribution Strategy Group, pelo menos 30% das músicas tocadas no Spotify são recomendadas pela IA. Desde então, o sucesso do Discover Weekly inspirou listas de reprodução dependentes do humor, que mudam ao longo do dia, e leituras psíquicas com base nos hábitos auditivos das pessoas. Outras plataformas de streaming, como Apple Music e Amazon Music, fizeram o mesmo. Todas essas abordagens de personalização compartilham uma falha comum: as playlists frequentemente se parecem, repletas de músicas que são variações diferentes do mesmo som.
Glenn McDonald, ex-engenheiro do Spotify e que se autodenomina “alquimista de dados”, grande responsável pelo desenvolvimento da enciclopédia de gêneros da empresa, acredita que, embora o acesso a músicas novas seja tecnicamente fácil, muitos de nós não o fazemos – principalmente porque não temos certeza por onde começar a procurar.
À medida que nos acostumamos com a conveniência uma playlist gerada em aleatório, esquecemos que descobrir música é um exercício ativo.
Esperamos muito do algoritmo
Para o Spotify, diz McDonald, a personalização começa com a divisão das músicas por meio de uma plataforma de inteligência de dados, que era conhecida como Echo Nest antes de a empresa adquiri-la. Por uma combinação de processamento de sinal e audição humana por musicólogos, o Spotify confere cerca de 10 atributos diferentes às canções (por exemplo, armadura de clave, dançabilidade) antes de agrupá-las em bibliotecas. Os programas alimentados por IA extraem desses grupos de som para gerar playlists personalizadas, com parâmetros adaptados aos hábitos de cada usuário. A forma que o Spotify categoriza a música determina o que se torna visível para nós, em quais nichos os artistas se enquadram e também quanta exposição eles obtêm.
McDonald classifica nossos hábitos de escuta em três grupos concêntricos: as coisas que ouvimos todos os dias, as coisas que se parecem com o que escutamos e tudo o mais que encontrarmos. As listas de reprodução geradas automaticamente pelo Spotify ficam principalmente no primeiro grupo, aventurando-se no segundo às vezes. O terceiro é acidental. O serviço nunca oferece nada estritamente diferente.
O Spotify acredita que, mesmo que peçamos para ouvir algo novo, sempre voltamos ao que é familiar, explica McDonald. Ele argumenta que, na prática, colocar uma faixa de reggae em uma playlist de “bedroom pop” (um gênero focado em melodias sonhadoras e vocais abafados), muitas vezes, resulta em uma experiência auditiva desconfortável: “Se você recebe algo novo e é estranho, é a mesma coisa que ser teletransportado para locais aleatórios ao redor do mundo durante três minutos de cada vez. Não seria uma experiência turística agradável”.
Para construir os 6.291 microgêneros em seu banco de dados, diz McDonald, o Spotify usa dados sociais – como os ouvintes dos mesmos artistas classificam as canções desses artistas e quem mais eles ouvem. Ele explica que os gêneros do serviço não têm limites absolutos, mas refletem um consenso flexível e dinâmico sobre como os usuários consomem música. Pequenos grupos de hábitos de escuta sobrepostos definem essas categorias soltas, enquanto a polinização cruzada e constante cria variações nelas. “Todos entendiam onde ficava o centro da aldeia, e, quanto mais longe você ia, mais subjetivo se tornava”, diz ele sobre o processo, conforme se lembra. McDonald mapeou esse cenário musical em seu site pessoal, Everynoise.com.
À medida que nos acostumamos com a conveniência de uma playlist gerada em aleatório, esquecemos que descobrir música é um exercício ativo.
Nossos respectivos hábitos auditivos, quando considerados em conjunto, formam uma rede dinâmica que revela como entendemos a música coletivamente. É uma pena que o uso atual do Spotify nos restrinja a bolhas algorítmicas isoladas.
Contexto e comunidade
Em termos gerais, a personalização tornou a navegação no conjunto infinito de conteúdo da Internet incrivelmente conveniente. Somos servidos com o que gostamos, informados sobre o que comprar e ensinados sobre o que dizer. Não é nenhuma surpresa esperarmos que nossos aplicativos de streaming de música façam o mesmo. No entanto, o emprego de algoritmos para otimizar a descoberta de música requer a definição explícita do que desejamos, e o problema é que o nosso desejo pode facilmente ser moldado pelo que encontramos. Pedir a um algoritmo que expanda nossos horizontes é como almoçar com um amigo que afirma estar aberto a tudo, mas veta todas as suas sugestões. “A curiosidade é um modo ativo”, diz McDonald. Cabe a nós sair da nossa bolha.
Os entusiastas da música têm criado novas maneiras de revigorar esse senso de curiosidade, construindo de tudo, desde ligas de recomendação competitivas até mapas musicais interativos. Antes do streaming, descobrir música era um trabalho que trazia uma recompensa distintamente emocional. “Na faculdade, eu ouvia tudo o que meus amigos ouviam”, lembra Zack O’Malley Greenburg, ex-editor musical sênior da Forbes. Ele descreve a troca de CDs com amigos, passando horas decidindo quais músicas gostava e quais não gostava. Mais tarde, adquirir novas músicas tornou-se um exercício de triagem de arquivos de áudio em pen drives e download (ilegal) de MP3 de sites questionáveis. Compartilhar música era um exercício muito mais pessoal, entre pares, e fazer uma mixtape para uma paixão era um trabalho substancial de amor. Os sistemas de recomendação automatizados substituíram essa cultura social de partilha de música. As playlists anônimas que escolhemos hoje podem ser editadas e até compartilhadas, porém os riscos emocionais são muito menores.
Como recomendar músicas pessoalmente revelava nosso gosto, tínhamos interesse no que recomendávamos. Entretanto, o algoritmo não assume nenhum risco, simplesmente oferecendo o que é correto de acordo com os cálculos.
“Acho que o que falta no streaming de música é por que alguém acha que eu deveria gostar de uma determinada música”, diz Alex Keller, um dos cofundadores da Music League, plataforma online em que pessoas podem enviar músicas para playlists que se encaixem em um determinado tema. A iniciativa dobrou sua base de usuários desde o ano passado, para cerca de 130 mil usuários mensais.
A Music League construiu essa comunidade leal ao gamificar a experiência de recomendação de música. Os usuários podem ingressar em ligas públicas ou criar ligas privadas com temas que vão desde “Melhor música de rap” até “Delito equino”. Cada liga hospeda várias rodadas, onde os participantes competem enviando e votando nas músicas que acham melhor se adaptar a um prompt. Uma grande parte da experiência, diz Keller, é a conversa em torno de cada envio. Ele descreve como a experiência com cada música muda conforme os usuários são incentivados a defender suas escolhas.
Ao contrário das inúmeras listas de reprodução personalizadas do Spotify, atualizadas instantaneamente sob demanda, as ligas podem ficar abertas por meses seguidos. Pode haver um longo intervalo entre receber uma solicitação e enviar uma música, ou entre ouvir e votar. As pessoas são incentivadas não apenas a ouvir as músicas do início ao fim (uma prática cada vez mais rara), mas também a incluir notas ao lado das músicas que enviam. Retardar o processo de descoberta musical pode promover uma escuta mais objetiva.
“Quando adulto, a música está em segundo plano na sua vida”, diz Keller. Para ele, o foco social da Music League a coloca de volta no centro das atenções. O processo de recomendação colaborativa dá peso emocional a cada música e oferece uma alternativa revigorante às playlistas geradas que colocamos no aleatório para criar um clima.
Semelhante ao Music League, há uma comunidade privada no Facebook chamada “Oddly Specific Playlists”, um grupo que conecta usuários de todos os cantos da Internet com playlists inspiradas (como o nome sugere) em coisas muito específicas. Com mais de 364 mil membros, o grupo é inundado diariamente com solicitações; os usuários postam o que lhes inspira e anexam uma explicação breve do seu interesse pelo tema. Outros compartilham músicas relevantes àquilo e contam desventuras pessoais para colorir suas recomendações. Pedidos como “Masculinidade forte; saudável, não tóxico; não misógino; pontos extras por estranheza” geram discussão. Como poderia soar uma masculinidade forte? O que implica uma música saudável?
Frequentemente, os pedidos de playlists abordam assuntos mais sombrios, como desgosto e tristeza. Enquanto os usuários compartilham histórias profundamente íntimas sobre suas relações com canções específicas, as conversas se desenvolvem e as comunidades se curam. O fato de os membros provavelmente nunca terem se conhecido pode tornar a experiência ainda mais significativa. Conectar-se com estranhos ao redor do mundo revela a universalidade até mesmo das experiências aparentemente mais específicas, além de oferecer uma forma única de validação. As discussões também podem dar vida nova a canções antigas; um pedido de músicas com destaque para o som “oh”, de um membro cujo filho de dois anos era obcecado pela letra O, recebeu “Oh! Darling’” dos Beatles.
Em vez de desafiar seus gostos, os algoritmos fornecem apenas versões embaralhadas do que você já gosta.
Esse foco em promover a interação humana orgânica não é novo. Até 2017, o Spotify realmente tinha um recurso de chat, mas não era amplamente utilizado (e não resultava em streams suficientes) para justificar os recursos necessários para mantê-lo. Em vez disso, a empresa se concentrou na otimização da personalização.
Embora a plataforma tenha evoluído para tornar a escolha da música o mais fácil possível, o formato simples da “Oddly Specific Playlists” permaneceu praticamente o mesmo. Os comentários ainda são difíceis de acompanhar, e os usuários devem vasculhar montanhas de postagens para encontrar recomendações relevantes. Apesar da experiência desajeitada, a comunidade tem prosperado desde 2019.
“Se uma rede social é boa, então ela precisa ter algumas pessoas reais colocando conteúdo novo no ecossistema e organizando-o de forma coerente – como alguém criando uma lista de reprodução selecionada manualmente”, diz Kyle Chayka, escritor na equipe do The New Yorker e autor de Filterworld: How Algorithms Flattened Culture. Isso é exatamente o que os membros da “Oddly Specific Playlists” fazem, mesmo que os resultados possam ser difíceis de gerenciar.
Em seu livro, Chayka relata as muitas horas que passou navegando em fóruns de música, como AntsMarching.org e UFCK.org (sites de fãs dedicados a tudo relacionado à Dave Matthews Band e Pearl Jam, respectivamente), encontrando companhia com outros postadores que compartilhavam gravações pouco fiéis de shows antigos e curiosidades sobre formar uma banda. Essas tocas de coelho culturais, para Chayka, oferecem uma forma de “aprendizagem mútua” que nos ajuda a compreender melhor o que consumimos. Se soubermos como surgiu o estilo característico de um artista, por exemplo, seremos mais capazes de moldar nossos gostos intencionalmente.
Desacelerando com curadoria
Em Filterworld , Chayka também descreve como os algoritmos tomaram o lugar dos editores de revistas e curadores de museus como guardiões da cultura. “Acho que a curadoria é uma forma de resistir ao achatamento da Internet”, diz ele, embora reconheça que o próprio termo foi diluído na última década.
Chayka define a curadoria como deliberada, árdua e finita – características que ele considera contrárias à nossa relação com algoritmos. Enquanto um curador expressa perspectivas que acolhem o discurso e o desconforto, os algoritmos são escritos com medo de ofender. “Quando um ser humano interpreta uma obra de arte, isso agrega valor em vez de retirá-lo. Um algoritmo não tem capacidade de interpretação”, acrescenta.
Antes do streaming, o perfil de uma revista sobre um artista emergente ou a coluna “Músicas que estou ouvindo” de um blogueiro colocaria os músicos no seu radar, inspirando mergulhos profundos em sua discografia. Publicações musicais como Blender, NME e The Source também tiveram grande influência; a última é reconhecida por descobrir The Notorious B.I.G., destacando-o em sua coluna “Unsigned Hype”. Contudo, como explica Greenburg, “os serviços de streaming removem um passo”. Em vez de desafiar seus gostos, os algoritmos fornecem apenas versões embaralhadas do que você já gosta. Assim como os shakes Soylent, populares em meados da década de 2010 por, supostamente, oferecer todos os nutrientes de que você precisa em uma refeição, essas listas de reprodução pessoais podem satisfazer, mas nunca saciar.
Em Filterworld, Chayka oferece DJs de rádio independentes como um antídoto para a aquisição algorítmica. O ato vagamente físico de sintonizar uma estação de rádio, como entrar em uma sala de concertos, restaura uma qualidade tátil à nossa experiência musical. Quando há uma voz por trás da seleção das músicas, é mais provável que prestemos atenção, insiste Chayka. Ele descreve como esses DJs “utilizam todo o seu conhecimento, experiência e perícia para determinar o que nos mostrar e como fazê-lo”.
“Quando um ser humano interpreta uma obra de arte, isso agrega valor em vez de retirá-lo. Um algoritmo não tem capacidade de interpretar.”
Kyle Chayka, The New Yorker
A musicista radicada em Hong Kong conhecida como Cehryl, que apresenta o programa Mystery Train na Eaton Radio, estrutura seus programas em torno de narrativas. “Penso nos meus shows da mesma forma que penso em uma performance”, diz ela. “Há um arco emocional.” Ela coloca seus gostos em primeiro lugar, na esperança de expressar um ponto de vista único que traga algo novo para seus ouvintes.
Em um mundo de música sob demanda, o formato em tempo real das rádios independentes exige uma sequência específica de audição ininterrupta. Sem pular, embaralhar ou pausar, ele dá aos curadores a oportunidade de ampliar os limites de seus ouvintes.
Criando com “ansiedade algorítmica”
Para Cehryl, grande parte de ser músico hoje é lidar com a questão existencial de fazer música para o algoritmo. Desde a popularização do streaming (e a ascensão do TikTok), a duração média de uma canção diminuiu de quatro minutos para cerca de três. Os artistas são incentivados a lançar singles ou EPs em vez de álbuns conceituais. E, em 2023, o Spotify lançou a função Preview, um feed de música de rolagem infinita no estilo TikTok que mostra os “melhores” segundos de cada música a cada toque. O algoritmo recompensa relevância e gratificação instantânea. “Sem músicas longas. Nenhuma música prolongada e para ser paciente. Você quer o trecho “chiclete” em 15 segundos, se não antes”, diz Cehryl.
Experimentando o que Chayka chama de “ansiedade algorítmica”, Cehryl descreve a necessidade de alimentar a percepção que o algoritmo tem dela: “Muitas vezes, fui incluída na lista de reprodução como pop de quarto, mas não acho que seja o que faço”. Para os artistas, as divisões de gênero do Spotify desempenham um papel complicado em seu processo criativo.
O algoritmo do Spotify oferece categorizações vagas para identificar gêneros emergentes ou remodelar gêneros familiares, porém, a promoção da plataforma de gêneros mais amplos e mais reconhecíveis faz com que alguns artistas se sintam rotulados, enquanto pressiona outros a se conformarem. Se enquadrar nas categorias do Spotify aumenta as chances de um deles viralizar na plataforma, mesmo que cada stream renda apenas US$ 0,003 para o criador.
Alex Antenna, que criou um site chamado Unchartify para oferecer uma maneira mais manual de navegar no banco de dados do Spotify, atribui essas lacunas ao impulso do streaming pela personalização. Ele construiu seu site para contornar a infinidade de playlists “feitas para você” e destacar cantos menos conhecidos do banco de dados da plataforma.
“O banco de dados de músicas do Spotify possui um conjunto muito rico de vários parâmetros, marcações e categorias para classificar as músicas de forma muito detalhada. Isso simplesmente não está exposto no aplicativo oficial”, afirma. Ele acredita que, embora tenha uma maneira sofisticada de classificar as músicas, o Spotify é intencional ao simplificar demais: sua biblioteca foca em oferecer playlists personalizadas com base em categorias genéricas, como “metal” ou “festa”, muitas delas apresentando principalmente “artistas populares ou canções que você ouviu 1.000 vezes”.
Antenna observa que, além de gêneros como pop de quarto ou folk indie, o Spotify oferece uma infinidade de microgêneros (como “reminimal” e “sky room”), acessíveis apenas pelo nome por meio de sua API. Ele espera que, ao trazer à tona gêneros que representem o som de um artista com mais precisão, um sistema tão granular como o Unchartify possa combater a ansiedade algorítmica.
O Unchartify reorganiza o banco de dados do Spotify, classificando todos os gêneros em ordem alfabética – algo inédito no mundo atual de otimização de engajamento – e mapeando-os para que cada álbum seja um nó conectado a uma lista de álbuns semelhantes. Ao contrário do recurso “Fãs também gostam” do streaming, que recomenda artistas semelhantes sem sugerir quais são suas semelhanças, o Unchartify fornece uma imagem precisa de como um álbum se posiciona musicalmente em relação aos outros.
A menos que seja solicitado especificamente, o Unchartify não tenta adivinhar o que você está procurando. Em vez disso, ele fornece as ferramentas para navegar sistematicamente no banco de dados do Spotify, da mesma forma que você vasculha arquivos em uma biblioteca pública. A posição da Antenna revela uma importante fonte de tensão no mundo das canções sob demanda: tornar digerível a abundância de conteúdo online requer simplificação, mas a simplificação, muitas vezes, dispensa nuances.
Superando o algoritmo
Indo um passo além da decisão arcaica da Antenna, que lista os gêneros em ordem alfabética, está Radiooooo, que se nomeia uma máquina do tempo que randomiza o processo de descoberta, ignorando o gênero por completo
Fundada em 2012 por um grupo de quatro DJs, a Radiooooo faz a curadoria de uma seleção de músicas para cada década, desde 1900, para cada país do mundo. Ele solicita que os usuários selecionem músicas por períodos de tempo e localizações geográficas, em vez de gêneros ou artistas – descartando qualquer aparência de nossa experiência atual de streaming e inspirando uma nova maneira de pensar sobre música. Radiooooo também aborda um componente social ao dar crédito aos membros que descobriram a faixa, juntando-se a comunidades como Music League e “Oddly Specific Playlists” para encorajar uma forma de recomendação colaborativa, que convida à conversa e à discordância – bem distante da visão do Spotify de escuta otimizada e desimpedida.
Talvez a única maneira de escapar das nossas bolhas algorítmicas seja construindo uma comunidade. Quando acolhemos diversos padrões de consumo musical, somos desafiados a considerar a música a partir de diferentes perspectivas, tal qual as estações de rádio independentes fazem curadoria para contar uma história em vez de atender a um grupo demográfico. Não há nada para otimizar em uma comunidade, e, por sua vez, nada para simplificar demais.
Apesar de contradizer funcionalmente a filosofia do Spotify, plataformas como Radiooooo , Music League, “Oddly Specific Playlists” e rádios independentes complementam o uso de tais plataformas. Eles atuam como um trampolim para nosso processo de descoberta, ajudando-nos a superar a insistência do streaming na personalização, direcionando-nos para onde procurar e, o mais importante, tornando-o divertido.
McDonald compara as funções do Spotify ao Google Maps. “O Google Maps não faz a exploração para mim, porém é útil se eu for a algum lugar”, diz ele. Em vez de nos levar em visitas guiadas, dá as ferramentas para navegarmos em algum lugar novo. Assim como nos mostra o que há por perto e como chegar lá, sinalizando pontos de referência notáveis que outras pessoas visitaram, o Spotify nos ajuda a acessar a maioria das músicas, listar tendências globais de escuta e nos apresentar artistas semelhantes aos que já conhecemos. Entretanto, são as comunidades que nos ajudam a focar em um destino que a plataforma pode nos ajudar a explorar.
Rebele-se das máquinas
Quatro serviços de descoberta musical para te ajudar a explorar além das playlists geradas por IA do Spotify
Music League é uma plataforma online que permite aos usuários enviar músicas que se enquadram em um tema específico.
“Oddly Specific Playlists” recomenda – adivinhe só – playlists inspiradas em coisas estranhamente específicas.
Unchartify oferece uma navegação mais manual pelo banco de dados do Spotify.
Radiooooo deixa os gêneros completamente de lado e convida os usuários a selecionar músicas por período de tempo e localização geográfica.
Tiffany Ng é redatora freelance que explora a relação entre Arte, Tecnologia e Cultura.
Tiffany Ng
