
Концепция медиа
Подо — это медиа и веб-сервис, где музыка подбирается не по жанру или исполнителю, а по жизненной ситуации. Пользователь описывает свой момент с помощью простых параметров — задача, уровень энергии, наличие вокала, время суток, погода и эмоция — и получает готовый плейлист, который можно открыть в стриминге в один клик.
В основе платформы лежит генеративный конвейер: ИИ-агенты собирают источники и формируют черновики сценариев, редактор контролирует качество и публикацию, а сообщество подтверждает результат голосованием «заходит / не заходит». Благодаря этому Подо избавляет от хаоса бесконечных жанровых подборок и дает уверенность в том, что музыка действительно подходит под конкретный момент.
Главная цель Подо — сделать поиск музыки практичным и быстрым, сократить время на перебор треков и создать пространство, где люди делятся своими музыкальными решениями и вдохновляют друг друга.

Источники данных для медиа
Для «Подо», которое собирает музыку по сценариям, критически важно разделять источники на те, откуда ИИ берет «сырье» для анализа, и те, откуда он берет сами треки.
1. Источники музыкального контента
Так как «Подо» не хранит музыку у себя, а работает как агрегатор, нам нужны доступы к каталогам и метаданным.API стриминговых платформ (Яндекс Музыка, Spotify): Используем для формирования плеера на сайте и проверки, что трек доступен для прослушивания.Открытые базы метаданных (MusicBrainz, Discogs): ИИ анализирует эти данные, чтобы понять, подходит ли трек под запрос.Аудио-анализ (собственные алгоритмы или сервисы): Используем для того, чтобы дать пользователю точный ползунок «Энергия 4/10», ИИ должен проанализировать сам аудиофайл, а не только теги.
2. Источники пользовательских сигналов
Это один из самых ценных пунктов, так как он дает «Подо» уникальность — социальное подтверждение.Внутренняя база данных «Подо» (собственный UGC): ИИ анализирует, какие слова чаще всего пишут под определенные плейлисты, как люди называют свои эмоции. Голосования формируют рейтинг доверия к сценарию.Комментарии и обсуждения (Telegram, VK, музыкальные форумы): NLP-модели вычленяют из этого «живые» сценарии и связки «ситуация = музыка».Пользовательские плейлисты (из стримингов и соцсетей): Это готовый датасет для обучения ИИ пониманию того, какую музыку люди ставят под бытовые задачи.
3. Источники контекста
Чтобы работала автоподстановка параметров, нам нужны данные о мире.Погодные API (Яндекс.Погода): Если на улице дождь, сайт может автоматически предложить сценарий «Дождь за окном».Время и календарь: Утром в понедельник предлагаем «Собраться на работу», в пятницу вечером — «Дорога домой».API геолокации и карт (Яндекс.Карты): Используем для выдачи сценариев «В дороге» или локальных B2B-сценариев.
4. Источники для редактуры и фактчекинга
Человек в конвейере должен на что-то опираться, проверяя черновики ИИ.Музыкальная пресса и блоги (Pitchfork, The Blueprint): Редактор читает, как критики описывают трек, чтобы понять, действительно ли он подходит под заявленный сценарий.Исследования о влиянии музыки (научные базы, Яндекс Исследования): Используем для создания экспертного контента («Разборов момента») и для настройки алгоритмов.
5. Рекламные и трендовые данные
Чтобы понимать, какие сценарии будут популярны завтра.Сервисы аналитики поиска (Яндекс.Wordstat, Google Trends): Создаем сценарии под реальный спрос. Если мы видим взрывной рост запроса «музыка для медитации», мы запускаем этот сценарий.Трендвотчинг (соцсети): Используем для создания актуальных визуальных обложек и тематических подборок.
Схема данных с разделением на человеческую и машинную обработку
- Сбор данных Машина (ИИ): Сканирует API стримингов (Яндекс, Spotify), базы метаданных (MusicBrainz), соцсети и погодные сервисы.Человек: Утверждает «белый список» надежных источников и задает стоп-слова (например, запрет на пиратские сайты).
- Анализ и фильтрация Машина (ИИ): Анализирует аудио (считывает BPM, энергию, вокал), отсеивает дубликаты и автоматически группирует треки по параметрам.Человек: Проверяет спорные треки, которые алгоритм не смог классифицировать однозначно, и настраивает приоритеты параметров.
- Генерация Машина (ИИ): Собирает черновик сценария: пишет текст, формирует треклист из 20–30 песен и подбирает обложку.Человек: Задает общую тему недели, утверждает Tone of Voice и правила редакции.
- Проверка и публикация Машина (ИИ): Проверяет, что все ссылки на треки рабочие и доступны в стримингах.Человек: Выборочно слушает плейлист, проверяет тексты песен и нажимает кнопку «Опубликовать».
- Обратная связь Машина (ИИ): Собирает статистику: сколько людей нажали «заходит / не заходит», сколько слушали.Человек: Читает комментарии пользователей, делает выводы, почему сценарий мог не зайти, и корректирует правила для ИИ.
Главный принцип схемы: ИИ обеспечивает скорость и масштаб, человек — смысл, безопасность и финальное качество.
Гайдлайны для автоматизированных сервисов в схеме
1. Блок «Сборщик»
Задача: Сканировать интернет и стриминги для поиска новых сценариев и треков.Правило белого списка: Агент имеет право обращаться только к тем API и сайтам, которые утвердил человек (Яндекс Музыка, MusicBrainz, официальные муз. СМИ).Запрет на пиратство: Любая попытка ИИ спарсить данные с нелицензионных сайтов или торрентов блокируется.Анонимизация: При сборе комментариев и пользовательских плейлистов из соцсетей ИИ обязан удалять персональные данные (имена, геолокацию), оставляя только текст.Лимиты: Агент не может делать более N запросов в минуту, чтобы не положить сервера партнеров.
2. Блок «Фильтр»
























