Spotify aktualizuje Taste Profile: Sztuczna inteligencja dopasuje muzykę na podstawie promptów tekstowych
Platforma strumieniowa Spotify udostępniła zaktualizowaną wersję modułu Taste Profile ze wsparciem zaawansowanych algorytmów sztucznej inteligencji, oddając użytkownikom bezpośrednią kontrolę nad procesem rekomendacji treści. Nowość, wprowadzona pod koniec września 2026 roku w wersji beta dla pełnoletnich subskrybentów Spotify Premium w Stanach Zjednoczonych, stanowi istotny zwrot w filozofii szwedzkiego giganta audio. Zamiast polegać wyłącznie na biernym obserwowaniu historii odtworzeń, Taste Profile umożliwia słuchaczom podejrzenie, jak widzi ich algorytm, a następnie skorygowanie tego obrazu za pomocą prostych poleceń tekstowych wpisywanych w języku naturalnym.
Dotychczas mechanizmy rekomendacyjne platform streamingowych przypominały „czarną skrzynkę”. System rejestrował każde odtworzenie, polubienie czy pominięcie utworu, tworząc wewnętrzny profil preferencji, na który użytkownik nie miał bezpośredniego wpływu poza samą czynnością słuchania. Nowa odsłona Taste Profile przełamuje ten schemat, łącząc transparentność analityczną z generatywnym sterowaniem algorytmem.
Prześwietlenie własnego gustu i sekcja „Tell us more”
Aby skorzystać z nowego modułu, uprawnieni użytkownicy przechodzą do widoku swojego konta w aplikacji mobilnej Spotify i wybierają z menu pozycję Taste Profile. Na ekranie pojawia się ustrukturyzowane podsumowanie ich bieżących nawyków słuchowych obejmujące trzy filary katalogu: muzykę, podcasty oraz audiobooki. Interfejs prezentuje dominujące gatunki, ulubione dekady muzyczne, wzorce aktywności w poszczególnych porach dnia oraz specyficzne klimaty brzmieniowe (tzw. vibes).
Kluczowym elementem wdrożenia jest jednak interaktywna sekcja nazwana „Tell us more” (Powiedz nam więcej). To właśnie w tym miejscu zastosowano generatywną sztuczną inteligencję. Użytkownik ma do dyspozycji pole tekstowe, w którym może formułować instrukcje określane przez twórców jako gentle guidance (łagodne ukierunkowanie). Wystarczy wpisać naturalną prośbę – na przykład „chcę poznać więcej alternatywnego rocka z lat 90.”, „mniej muzyki house”, „potrzebuję energicznych utworów na poranny trening” albo „szukam nowych artystów w stylu mojego ulubionego zespołu”.
System analizuje intencję zawartą w prompcie i koryguje algorytmiczne wagi profilu. Zmiany nie wymagają tygodni adaptacji – zmodyfikowane propozycje zaczynają pojawiać się na stronie głównej (Home feed) oraz w generowanych zestawieniach w ciągu zaledwie kilku godzin od zapisania notatek. Co istotne, wprowadzone instrukcje nie są permanentne: użytkownik ma stały wgląd w listę wprowadzonych dyrektyw i może je w dowolnej chwili edytować lub całkowicie skasować.
Large Taste Model: Technologia pod maską platformy
Fundamentem opisywanej innowacji jest autorski model sztucznej inteligencji Spotify – Large Taste Model (LTM). Koncepcję tej technologii zaprezentowano oficjalnie podczas Spotify Investor Day w maju 2026 roku jako przejście do ery „generatywnej personalizacji”. W przeciwieństwie do uniwersalnych modeli językowych ogólnego przeznaczenia, LTM został zaprojektowany i wytrenowany od podstaw na unikalnym zbiorze danych Spotify, obejmującym biliony sygnałów behawioralnych gromadzonych przez lata działania usługi.
W architekturze LTM zastosowano reprezentację utworów w postaci tzw. Semantic IDs – muzyczne i kontekstowe cechy nagrań zostały stokenizowane w sposób analogiczny do słów w modelach NLP. Dzięki temu model potrafi połączyć semantykę polecenia tekstowego wprowadzonego w sekcji „Tell us more” z wielowymiarową strukturą biblioteki utworów oraz dotychczasowymi nawykami słuchacza. Zamiast sztywnego filtrowania bazy danych po etykietach gatunkowych, model wnioskuje o nastroju, tempie, instrumentacji i kontekście sytuacyjnym, precyzyjnie modelując zachowanie kanałów rekomendacyjnych.
Rozwiązanie problemu „skażonych rekomendacji”
Jednym z największych mankamentów klasycznych algorytmów rekomendacyjnych było ich podatne na zafałszowanie działanie w codziennych sytuacjach życiowych. Wystarczyło puścić dzieciom składankę bajkowych piosenek, włączyć zapętlony biały szum na czas snu lub udostępnić głośnik znajomym podczas imprezy, aby przez kolejne tygodnie strona główna Spotify i playlista Discover Weekly były zasypywane niepożądanymi utworami. Zjawisko to psuło również coroczne podsumowania Spotify Wrapped.
Nowe podejście do Taste Profile rozwiązuje ten problem dwutorowo. Po pierwsze, użytkownik może tekstowo zasygnalizować modelowi, jakich brzmień chce tymczasowo unikać. Po drugie, Spotify uzupełniło ekosystem o dedykowane narzędzia izolujące: w połowie września 2026 roku wprowadzono globalny przełącznik wyłączający z profilu gustu kategorię muzyki dziecięcej i familijnej (Kids and Family Music). W połączeniu z funkcją wykluczania konkretnych playlist z algorytmu rekomendacji, słuchacze zyskali pełny zestaw narzędzi chroniących ich profil przed przypadkowymi anomaliami.
Szerszy kontekst: Od biernego filtrowania do generatywnego audio
Wdrożenie Taste Profile z obsługą promptów to logiczny krok w wieloletniej strategii AI realizowanej przez Spotify. Platforma, która zbudowała swoją przewagę rynkową na algorytmie Collaborative Filtering i składance Discover Weekly, w ostatnich latach konsekwentnie rozszerza wykorzystanie modeli generatywnych. Kamieniami milowymi tej transformacji były m.in. wirtualny prezenter AI DJ wprowadzony w lutym 2023 roku, funkcja Daylist dostosowująca muzykę do mikro-por dnia, a także narzędzie AI Playlist umożliwiające generowanie list odtwarzania na podstawie złożonych zapytań tekstowych.
Aktualne testy Taste Profile w Stanach Zjednoczonych i Nowej Zelandii pokazują, że Spotify zamierza zdefiniować relację słuchacza z algorytmem na nowo. Przekształcenie profilu gustu z biernej bazy metadanych w interaktywnego partnera muzycznego daje użytkownikom poczucie sprawczości, eliminując frustrację związaną z nietrafionymi rekomendacjami. Jeżeli trwający program pilotażowy spełni oczekiwania inżynierów i odbiorców, globalnego wdrożenia funkcji w kolejnych regionach – w tym w Europie – można spodziewać się w nadchodzących miesiącach.
