Spotify اپنے میوزک پلیئر کو ایک بات چیت کرنے والے ساتھی (conversational companion) میں تبدیل کر رہا ہے، جس کے لیے وہ اپنی ایپ میں براہ راست جدید AI آواز اور ٹیکسٹ کی صلاحیتوں کو شامل کر رہا ہے۔ یہ اقدام تجربے کو محض سننے سے بدل کر ایک انٹرایکٹو اور سوالیہ مکالمے میں تبدیل کر دیتا ہے جو نیچرل لینگویج پروسیسنگ (natural language processing) کے ذریعے مصروفیت کو گہرا کرتا ہے۔
آڈیو کے لیے ایک بات چیت کرنے والا کمانڈ سینٹر
سادہ "play" اور "pause" کمانڈز سے ہٹ کر، Spotify کا نیا بیٹا (beta) Premium صارفین کو باریک بینی والے پرامپٹس (prompts) دینے کی اجازت دیتا ہے، جیسے کہ "کچھ ایسے فنکار چلائیں جنہیں میں نے پہلے نہ سنا ہو،" "اسے مزید پرجوش (upbeat) بنائیں،" یا "صرف اس کا حالیہ کام چلائیں۔" یہ فیچر نیت (intent) کو پڑھنے، اسلوب کی ترجیحات کو سمجھنے اور مخصوص فنکاروں کو تلاش کرنے کے لیے Large Language Models (LLMs) کا استعمال کرتا ہے۔ پلے بیک ویو میں اسے براہ راست شامل کر کے، Spotify ایپ کو ایک ذاتی AI DJ میں بدل رہا ہے جو موسیقی کے موڈ اور دریافت (discovery) کو سمجھتا ہے۔
سننے کی تاریخ اور عمومی معلومات کے ساتھ گہرا انضمام
یہ انٹرفیس صرف پلے بیک کو کنٹرول کرنے سے کہیں زیادہ کام کرتا ہے؛ یہ ایک نالج انجن کے طور پر کام کرتا ہے۔ یہ صارف کی سننے کی تاریخ سے استفادہ کرتے ہوئے "میں نے پہلی بار یہ گانا کب سنا تھا؟" جیسے سوالات کے جوابات دیتا ہے۔ ذاتی ڈیٹا اور جنریٹو AI کا یہ امتزاج ایک انتہائی ذاتی نوعیت کی سہولت پیدا کرتا ہے جس کی کمی دیگر اسٹریمنگ سروسز میں ہے۔
AI عمومی معلومات کے سوالات کو بھی سنبھالتا ہے—"Odyssey کب لکھی گئی تھی؟" پوچھیں اور ایپ کے اندر ہی جواب حاصل کریں۔ اس سہولت کے ساتھ AI ہالوسینیشنز (hallucinations) کا خطرہ بھی ہے، جہاں ماڈل غلط حقائق بیان کر سکتا ہے، جو کہ موجودہ LLMs کے لیے ایک جانا پہچانا چیلنج ہے۔
AI سے تیار کردہ مواد کے ایکو سسٹم میں رہنمائی
Spotify کا بات چیت کرنے والے AI کی طرف یہ قدم اس وقت اٹھایا جا رہا ہے جب پلیٹ فارم جنریٹو آڈیو (generative audio) کے چیلنجز سے نبرد آزما ہے۔ ایک طرف، یہ ElevenLabs کے ساتھ شراکت داری کر رہا ہے تاکہ تخلیق کار اعلیٰ معیار کی AI سے تیار کردہ آوازوں کا استعمال کرتے ہوئے آڈیو بکس شائع کر سکیں۔
دوسری طرف، Spotify AI سے تیار کردہ گانوں اور بوٹ کے ذریعے مصنوعی طور پر بڑھائی گئی مقبولیت (artificial boosts) کے سیلاب کا مقابلہ کر رہا ہے جو سفارشات (recommendations) کی سالمیت کے لیے خطرہ ہے۔ ایک باضابطہ اور اعلیٰ افادیت والے وائس فیچر کی پیشکش کے ذریعے، Spotify صارفین کو غیر منظم اور خودکار مواد کے بجائے قابل اعتماد AI تعاملات کی طرف مائل کر رہا ہے۔
آڈیو دریافت کے مستقبل کو وسعت دینا
یہ بیٹا امریکہ، آئرلینڈ اور سویڈن میں 18 سال اور اس سے زیادہ عمر کے صارفین کے لیے لانچ کیا گیا ہے۔ یہ محدود آغاز Spotify کو عالمی سطح پر لانچ کرنے سے پہلے اپنے لینگویج ماڈلز کو بہتر بنانے کا موقع دیتا ہے۔ وسیع تر AI کے میدان میں، یہ ٹیسٹ اس بات کی ایک مثال (case study) کے طور پر کام کرتا ہے کہ کس طرح صارفین کی ٹیکنالوجی کے بڑے ادارے صارفین کی وابستگی اور برقرار رکھنے (retention) کو بڑھانے کے لیے موجودہ مصنوعات میں LLMs کو شامل کرتے ہیں۔
اہم نکات
- انٹرایکٹو دریافت: قدرتی زبان کے پرامپٹس صارفین کو موڈ، صنف (genre) اور فنکار کے لحاظ سے پلے بیک کو ترتیب دینے کی اجازت دیتے ہیں۔
- ذاتی ڈیٹا کے بصیرت: AI صارف کی سننے کی تاریخ سے معلومات حاصل کر کے زمانی حقائق فراہم کرتا ہے۔
- ہائبرڈ مواد کی حکمت عملی: Spotify تخلیق کاروں کے لیے AI ٹولز (ElevenLabs) کو اپناتا ہے جبکہ AI سے تیار کردہ بوٹ اسپیم کے خلاف دفاع بھی کرتا ہے۔
Spotify نے امریکہ، آئرلینڈ اور سویڈن میں Premium صارفین کے لیے صرف بیٹا ورژن والا AI وائس اسسٹنٹ متعارف کرایا ہے۔ یہ فیچر صارفین کو ایپ کے ساتھ بات چیت کرنے کی اجازت دیتا ہے—جیسے کہ "کچھ ایسا چلائیں جو میں نے پہلے نہ سنا ہو" یا "مجھے دکھائیں کہ میں نے یہ ٹریک پہلی بار کب سنا تھا"—اور اسے موسیقی کی اسٹریمنگ کو محض بٹن دبانے کے بجائے ایک مکالمے کی طرح محسوس کروانے کے طریقے کے طور پر پیش کیا گیا ہے۔
یہ اقدام اب کیوں اہم ہے
Spotify طویل عرصے سے سامعین کو ایپ میں برقرار رکھنے کے لیے الگورتھمک پلے لسٹس اور سادہ وائس کمانڈز پر انحصار کرتا رہا ہے۔ پلے بیک اسکرین میں براہ راست ایک Large Language Model (LLM) کو شامل کرنا ان غیر فعال ٹولز کو ایک بات چیت کرنے والے DJ میں بدل دیتا ہے جو باریک بینی سے درخواستوں کی تشریح کر سکتا ہے۔
بات چیت کے پیچھے موجود ٹیکنالوجی
یہ بیٹا صرف ان صارفین کے لیے ہے جو 18 سال یا اس سے زیادہ عمر کے ہیں اور Premium کے لیے ادائیگی کرتے ہیں۔ جب کوئی صارف کوئی درخواست بولتا یا ٹائپ کرتا ہے، تو LLM اس کی نیت کا تجزیہ کرتا ہے، فرد کی سننے کی تاریخ سے موازنہ کرتا ہے اور پھر پلے بیک کیو (queue) یا حقیقت پر مبنی جواب تیار کرتا ہے۔ یہ ماڈل ذاتی سوالات جیسے کہ "میں نے پہلی بار یہ گانا کب سنا تھا؟" اور عمومی معلومات کے سوالات جیسے کہ "Odyssey کب لکھی گئی تھی؟" کے جوابات دے سکتا ہے۔ یہ سب اسی ویو (view) کے اندر ہوتا ہے جہاں صارفین عام طور پر play، pause یا skip کا بٹن دباتے ہیں۔
سادہ کمانڈز سے سیاق و سباق کے مطابق دریافت تک
اسٹریمنگ پلیٹ فارمز پر پہلے کے وائس انٹیگریشنز "play — Taylor Swift" یا "skip" جیسی کمانڈز تک محدود تھے۔ Spotify کا نیا اسسٹنٹ اس سے آگے بڑھتا ہے: یہ موڈ کو ایڈجسٹ کر سکتا ہے ("اسے مزید پرجوش بنائیں")، واقفیت کے لحاظ سے فلٹر کر سکتا ہے ("ایسے فنکار چلائیں جنہیں میں نے پہلے نہ سنا ہو") اور مخصوص کیٹلاگ سیکشنز نکال سکتا ہے ("صرف اس کا حالیہ کام")۔ ان کثیر الجہتی ہدایات کی تشریح کر کے، AI ایک ذاتی کیوریٹر کے طور پر کام کرتا ہے جو ہر تعامل سے سیکھتا ہے۔
تخلیق کاروں اور پلیٹ فارم کے لیے فوائد
Spotify ایک ایسی voice-synthesis کمپنی کے ساتھ اپنی شراکت داری کو مزید گہرا کر رہا ہے جو آڈیو بکس کے لیے AI-generated نریشن فراہم کرتی ہے۔ یہ تعاون ظاہر کرتا ہے کہ سروس ایسے generative audio ٹولز اپنانے کے لیے تیار ہے جو تخلیق کاروں کو کم لاگت اور تیزی سے اشیاء شائع کرنے میں مدد دیتے ہیں۔ اسی وقت، کمپنی کم معیار کے AI-generated گانوں اور بوٹ کے ذریعے کیے جانے والے "مصنوعی بوسٹ" (artificial boosts) کے سیلاب کا مقابلہ کر رہی ہے جو اس کے recommendation engine کی سالمیت کے لیے خطرہ ہیں۔ ایک باضابطہ اور اعلیٰ افادیت والا AI فیچر پیش کرنا صارفین کو قابل اعتماد تعاملات کی طرف لانے اور غیر تصدیق شدہ، اسپیم مواد سے دور رکھنے کا ایک طریقہ ہے۔
خطرات اور hallucination کا مسئلہ
LLMs "hallucinations" پیدا کر سکتے ہیں – یعنی ایسے جوابات جو سننے میں پراعتماد لگتے ہیں لیکن حقائق کے اعتبار سے غلط ہوتے ہیں۔ جب کوئی صارف تاریخی سوال پوچھتا ہے، تو اسسٹنٹ غلط تاریخ یا غلط حوالہ دے سکتا ہے۔ یہ خطرہ ایک میوزک ایپ میں مزید بڑھ جاتا ہے جہاں سننے والے بغیر دوبارہ چیک کیے جواب کو تسلیم کر سکتے ہیں۔ Spotify نے یہ ظاہر نہیں کیا ہے کہ وہ ایسے غلطیوں کو کیسے فلٹر یا درست کرے گا، جس سے فوری معلومات کے وعدے اور کبھی کبھار ہونے والی غلط معلومات کی حقیقت کے درمیان ایک خلا رہ جاتا ہے۔
اسٹیک ہولڈرز پر اثرات
- Premium صارفین اپنی لائبریریوں کو تلاش کرنے کے لیے ایک زیادہ بھرپور اور انٹرایکٹو طریقہ حاصل کریں گے، جس سے ممکنہ طور پر اطمینان بڑھے گا اور صارفین کے کم ہونے (churn) کے امکانات میں کمی آئے گی۔
- آرٹسٹ اور حقوق کے حامل افراد (rights holders) کو زیادہ ٹارگٹڈ ایکسپوزر مل سکتا ہے اگر AI ایسے گانے سامنے لائے جو سننے والے کے موڈ کے مطابق ہوں، لیکن وہ ان AI-generated ٹریکس کے لیے بھی غیر محفوظ ہیں جو رائلٹی کے حساب کتاب کو الجھا دیتے ہیں۔
- مقابلہ کرنے والوں (Competitors) کے پاس اب ایک ٹھوس مثال ہے کہ کس طرح LLMs کو صارف کے استعمال کے لیے تیار کردہ پروڈکٹ میں شامل کیا جا سکتا ہے، جو ان تمام سروسز کے لیے معیار بلند کرتا ہے جو اب بھی جامد مینیو یا محدود وائس کمانڈز پر انحصار کرتی ہیں۔
آگے کیا دیکھنا ہے
Spotify کا یہ آغاز تین مارکیٹوں تک محدود ہے، جو کمپنی کو intent detection کو بہتر بنانے، hallucinations کو کم کرنے اور یہ جانچنے کے لیے ڈیٹا فراہم کرتا ہے کہ اسسٹنٹ کتنا اضافی سننے کا وقت پیدا کرتا ہے۔ اگر بیٹا ورژن (beta) انگیجمنٹ میں نمایاں اضافہ دکھاتا ہے، تو عالمی سطح پر توسیع کا امکان ہے۔ ریگولیٹرز بھی اس میں دلچسپی لے سکتے ہیں کیونکہ ذاتی ڈیٹا کے استعمال اور AI سے چلنے والی پرسنلائزیشن کے درمیان فرق دھندلا رہا ہے؛ کوئی بھی غلطی پرائیویسی کے حوالے سے جانچ پڑتال کا باعث بن سکتی ہے۔
مخالف نقطہ نظر: کیا گفتگو کی واقعی ضرورت ہے؟
ناقدین کا کہنا ہے کہ زیادہ تر سننے والوں کے پاس موسیقی دریافت کرنے کے پہلے سے ہی مؤثر طریقے موجود ہیں—جیسے پرسنلائزڈ پلے لسٹس، کیوریٹڈ ایڈیٹوریل لسٹس اور تھرڈ پارٹی اسسٹنٹس جو پہلے سے ہی Spotify کے ساتھ منسلک ہیں۔ ایک بات چیت والا لیئر (conversational layer) شامل کرنے سے ان صارفین کے لیے تجربہ پیچیدہ ہو سکتا ہے جو ٹائپ کرنے یا بولنے کے بجائے فوری ٹیپس (taps) کو ترجیح دیتے ہیں۔ مزید برآں، بڑے پیمانے پر LLMs چلانے کی کمپیوٹیشنل لاگت زیادہ آپریٹنگ اخراجات میں بدل سکتی ہے، جو بالآخر سبسکرپشن کی قیمتوں پر اثر انداز ہو سکتی ہے۔
خلاصہ
Spotify کا AI وائس اسسٹنٹ ظاہر کرتا ہے کہ بڑے لینگویج ماڈلز (LLMs) کو ایک عام صارف کی ایپ میں شامل کر کے ایک جامد میوزک پلیئر کو ایک انٹرایکٹو ڈسکوری ٹول میں بدلا جا سکتا ہے۔ یہ تجربہ یہ ظاہر کرے گا کہ آیا بات چیت کی اضافی گہرائی تکنیکی اخراجات اور غلط معلومات کے خطرے کا جواز پیش کرتی ہے، اور کیا یہ پرہجوم اسٹریمنگ مارکیٹ میں ایک پائیدار امتیاز (differentiator) بن سکتا ہے۔