未來是什麼
在用戶眼裏，Jing.FM是一個在線視聽播放器，有很酷的設計、很炫的交互界麵，最大的不同是可以用直白的語言搜索音樂。
但施凱文仍然要解釋的是，他理想中的Jing.FM，不僅僅是一款產品，它的核心價值應該是逐漸成形中的曲庫。“我們想做一個世界上最強大的曲庫，把所有跟音樂相關的維度全定義出來，不管做這個事情需要兩年、三年還是四年，我覺得非常有價值，也是與現在看到的所有音樂產品最大差別所在。”
這當然是一個大工程。
從開始有4個人搭模型，還有一些兼職是從專業學校請來的老師，加上算法層麵的工程師，這個技術團隊有24個人左右。有負責電子樂、搖滾樂、布魯斯、爵士、哥特等等，都有專業的人在負責，他們都是音樂出身，學音樂、教音樂。
要降低搜索無結果的概率，背後的工作必然相當複雜。施凱文把Jing.FM的算法模型分為四個主要信息層麵，基礎信息、物理信息、情緒和相關信息，在這個基礎上創造出上萬個分析維度，而並非按照音樂編輯的個人辨別來劃分。“我們的基礎信息分類就有460多個維度，包括發行時間、唱法、藝人等，甚至還有唱這首歌的人是不是戴眼鏡、是不是禿頭、是胖還是瘦、嗓音特點的描述。然後是音樂的波形、頻段、高頻赫茲範圍、震蕩波範圍等，接下來才是相對應的音樂風格，比如流行音樂、搖滾樂等，按照這些音樂風格還要有更專業的細分。然後，還需要考慮人的情緒被音樂影響下的幾種可能性，我們把它濃縮成13種基本維度，比如傷心、開心等，在這個基礎上再做約273種情緒輻射範圍的劃分。最後就是給音樂加標簽。”施凱文說。
匹配信息量越多，用戶越容易找到它。除了和音樂、情緒本身相關聯的信息，施凱文還在模型中加入相關信息，比如“適合瑜伽”、“專業音樂”、“喬布斯喜歡的音樂”等上千種看起來和音樂本身毫不相幹的信息標簽。
為了在定模型時盡可能做到專業和全麵，施凱文不僅找了50多個國內外音樂學院各個類別的老師，還找了一些心理學碩士、博士來幫忙。他們從2011年4月開始，持續8個月的時間才把模型定出來。整個音樂的模型，非常龐大，大概有4千多個維度，可以利用的相關自然語言大概有7萬多種，每首音樂要從裏麵濾一次，才能進入到自然語義解析這塊，再反饋給用戶。同時，還設置了用戶使用跟蹤的係統，跟蹤你的收聽時長、分享頻率等日常行為，目的就是更懂你。
建立專業的曲庫，這做法讓人想起Pandora。施凱文也研究過Pandora的操作方式，400個不懂互聯網技術的音樂人，每天用8個小時分析音樂，不是通過代碼分析而是專業知識和經驗，400個音樂人做了三年，才積累了Pandora曲庫，之後再用工程師寫的算法進行匹配。“告訴它一首歌，它去曲庫把類似的歌全部找出來給你，告訴它一個藝人，曲庫中所有沾邊的藝人歌曲都出來了。不能不說它是一個顛覆性的產品，在這之前沒有人這麼想過。但它是把你越收越窄的一個東西，你用了15天之後，它知道你的品位了，就把你拉到一個極窄的風格，你聽到的永遠是一個類型的東西。”施凱文說。
相比專業化音樂分類，人的情緒更加多變，描述情緒的語言也更為複雜，這要求Jing.FM的曲庫模型需要不斷更新。而施凱文認為，這件難事最大的意義在於，不是利用算法把用戶限製在某一種音樂中，而是釋放他們對音樂的需求。
而一旦這個曲庫能夠朝著施凱文設想的方向持續建立下去，它會被更多平台所需要，那時候，他們或許就不用像其他公司一樣，在考慮盈利模式時糾結於該不該向用戶收費了。