Shazam推出20週年,累積辨識超過700億首歌!哪些歌最多人想查?
Shazam推出20週年,累積辨識超過700億首歌!哪些歌最多人想查?

1999年由當時在網路顧問公司Viant任職的Chris Barton與Philip Inghelbrecht共同創立,並且在2017年由蘋果收購的音樂識別軟體Shazam,在去年達成每月使用次數超過10億次的記錄後,目前也正式迎接服務推行滿20週年,同時宣佈在本週累積達成超過700億首歌曲識別量,每月平均全球使用人數更超過2.25億人。

蘋果表示,Shazam讓人們與音樂互動方式改變,當使用者聽到一段音樂時,可能感覺熟悉,卻難以想起是哪一首歌曲,或是被旋律吸引,想要進一步知曉是哪一首歌的時候,就能透過Shazam服務進行識別。

shutterstock_766885282_Shazam.jpg
圖/ shutterstock

而在服務推行20年以來,透過Shazam服務識別最多次的歌曲,分別包含美國加州另類清新搖滾團體—追隨者合唱團 (Train)的《Hey,Soul Sister》,以及澳大利亞創作歌手Sia的《Cheap Thrills》等歌曲,蘋果也透過Apple Music服務建立過去20年來廣受音樂愛好者搜尋的歌曲清單。

藉由Shazam服務,蘋果更讓許多音樂創作者、新人能被關注,同時也能使其創作歌曲更容易被聆聽,例如登上2021年Shazam「值得關注的五位藝人」名單的澳洲饒舌歌手Masked Wolf,其創作的《Astronaut In The Ocean》,便成為當年透過Shazam服務識別最多次的歌曲。

至於英國歌手在1985年的歌曲《Running Up That Hill》,因為在Netflix熱門影集《怪奇物語》穿插出現,因此成為透過Shazam服務識別次數創新高的歌曲,並且在Shazam服務全球前200大榜單中連續維持10天榜首記錄,更在25個國家排行名列前茅,超越2022年所有歌曲排名。

此外,Shazam服務也協助讓各地藝人歌曲推廣至全球地區,例如在2021年蟬聯全球排名第一最久的歌曲,是奈及利亞藝人CKay的《Love Nwantiti [Remix]》,並且成為第二首在一週內透過Shazam服務識別超過100萬次的歌曲。

過去20年間,Shazam持續致力創新,並且持續開拓新方式,藉由新工具將樂迷拉近他們喜愛的音樂和藝人,例如使用者現在僅需透過Shazam服務識別歌曲,或是透過Shazam app、網站進行搜尋,即可透過演唱會探索功能顯示附近的演唱會,以及演出售票資訊。

Shazam仍全心專注於音樂探索的未來,而今天的週年紀念是回顧其20年歷史中重要時刻和里程碑的好機會。

重要日期

  • 2002年8月:Shazam 以簡訊服務形式在英國推出。當時,使用者可以在手機上撥打「2580」,並在歌曲播放時拿起手機來辨識歌曲。然後他們會收到一則簡訊,告訴他們歌曲名稱和藝人名字。
  • 2008年7月:Shazam在全新AppStore上推出。Shazam隨後於2008年10月推出Android版本。
  • 2015年4月:Shazam可在第一款Apple Watch上使用。
  • 2018年9月:Shazam加入蘋果大家庭。
  • 2021年6月:Shazam的每月辨識量超過10億。
  • 2022年5月:Shazam安裝次數超過20億。
  • 2022年8月:Shazam慶祝探索音樂20週年,自推出以來累計達到700億次Shazam辨識。

值得紀念的第一次

  • 第一首Shazam辨識的歌曲:T.Rex的《Jeepster》(2002年4月19日)1
  • 第一首以Shazami OS app辨識的歌曲:Aimee Mann的《How Am I Different》(2008年7月10日)
  • 第一首達到1,000次Shazam辨識的曲目:Eminem的《Cleanin’Out My Closet》(2002年9月)
  • 第一個達到100萬次Shazam辨識的的曲目:Ke$ha的《TiKToK》(2010年2月)
  • 第一首達到1000萬次Shazam辨識的曲目:Gotyefeat.Kimbra的《Somebody That I Used to Know》(2012年12月)
  • 第一首達到2000萬次Shazam辨識的曲目:LillyWood & ThePrick和Robin Schulz的《Prayer In C(Robin Schulz Radio Edit)》(2015年10月)
  • 第一位達到100萬次Shazam辨識的藝人:Lil Wayne(2009年2月)
  • 第一位達到1000萬次Shazam辨識的藝人:Lil Wayne(2011年6月)
  • 第一位達到1億次Shazam辨識的藝人:David Guetta(2015年5月)

累積Shazam辨識次數最快的曲目

  • 最快達到100萬次Shazam辨識的曲目:BTS的《Butter》(9天)
  • 最快達到1,000萬次Shazam辨識的曲目:Ed Sheeran的《Shape of You》(87天)
  • 最快達到2,000萬次Shazam辨識的曲目:Tones And I的《Dance Monkey》(219天)

Shazam史上之最

  • Drake是有史以來Shazam辨識次數最多的藝人,在該藝人主唱或合唱的歌曲累計超過3.5億次Shazam辨識。《One Dance》是Drake最受歡迎的曲目,累計超過1,700萬次Shazam辨識。
  • Tones AndI的《Dance Monkey》是有史以來Shazam辨識次數最多的歌曲,累計超過4100萬次Shazam辨識。
  • Gnarls Barkley的《Crazy》是使用「2580」簡訊服務Shazam辨識次數最多的歌曲。

按音樂類型分類的最佳Shazam歌曲

  • 最佳嘻哈/饒舌歌曲:Macklemore和Ryan Lewis feat.Ray Dalton的《Can’t Hold Us》
  • 最佳舞曲:LillyWood & ThePrick和Robin Schulz的《Prayer In C(Robin Schulz Radio Edit)》
  • 最佳R&B/靈魂樂:John Legend的《All of Me》
  • 最佳拉丁歌曲:J Balvin和Willy William的《Mi Gente》
  • 最佳流行歌曲:Passenger的《Let Her Go》
  • 最佳另類歌曲:Tones AndI的《Dance Monkey》
  • 最佳創作歌手:Hozier的《Take Meto Church》

本文授權轉載自:mashdigi

責任編輯:傅珮晴

往下滑看下一篇文章
從人、流程到工具:TVBS解構新聞業AI轉型方程式
從人、流程到工具:TVBS解構新聞業AI轉型方程式

在生成式 AI 驅動下,新聞產業正加速進入新一輪轉型。這股技術浪潮不僅改變了內容產製模式,也重塑了讀者獲取資訊的入口。面對這場產業變革,台灣科技媒體領導品牌TVBS 展現強勁的轉型動能,不僅積極布局 AI 應用,更憑藉創新專案獲得「nDX數位創新獎助計畫」肯定。

為加速經驗擴散並促進產業交流,日前,TVBS 攜手數位經濟暨產業發展協會(DTA)舉辦「AI in the Newsroom-TVBS轉型實戰分享」發表會,現場匯聚媒體與科技領域專業人士,從實務案例出發,深入剖析 AI 導入新聞現場的應用模式,共同見證 TVBS 如何以 AI 為核心引擎,重新定義數位時代的媒體影響力。

TVBS-1.jpg
圖/ 數位時代

從「人」出發:從超級個體到超級組織,啟動 AI 原生轉型

TVBS 集團成長長簡西村表示,早在生成式 AI 浪潮成形之初,TVBS 便已啟動轉型布局。不僅於 2023 年成立AI未來科技部,專責 AI 應用開發與轉型推進,更由董事長親自主持每週一次的 AI 策略會議,確保決策與執行節奏高度一致,並進一步盤點出「人、流程、科技(PPT)」三大轉型關鍵,逐步落實將 AI 導入各項營運環節。

從「人」的角度來看,TVBS 以 AI 提升效率與創造價值為目標,提出超級個體與超級組織的轉型藍圖。其中,超級個體指的是能善用 AI 工具的記者,例如:透過 AI 分析海量資料、自動生成初稿或經營個人品牌,透過與 AI 的分工協作,不僅提升產出效率,也讓記者得以回歸深度核實與現場採訪等核心職能。

當多個超級個體串聯,便進一步形塑出超級組織,透過 AI 全面提升團隊的數位戰力,成為 AI Native(AI原生)媒體組織。TVBS 的願景是,讓每一個議題皆能發展出專屬 AI Agent,負責資料處理與初稿生成,而人扮演總編輯角色,負責內容品質與倫理把關。如此一來,不僅能實現全天候、高頻率的內容更新,更可透過多 Agent 協作,同時產出文字、影音、Podcast 等不同形式的內容,實現一次生產、全平台分發的目標。

從「流程」出發:讓AI嵌入新聞產製,縮減 30% 作業時間

從「流程」的角度來看,AI 唯有真正嵌入新聞產製流程,才能發揮最大效益。然而,哪些環節最適合導入 AI、導入後流程該如何重塑,往往只有第一線新聞人最清楚。為此,TVBS 邀請新聞部同仁組成「文科種子」團隊,並由主管從日常工作情境出發,親自示範 AI 應用,讓記者實際感受到 AI 帶來的效率提升,進而翻轉「不好用」的既有印象,吸引更多資深同仁投入 AI 應用開發。

TVBS新聞部網路新聞中心總編輯楊致中強調,「AI不是要把新聞人變成工程師,而是要讓新聞人重新回到專業現場。」因此,這群橫跨編輯、記者、編譯等不同職能的種子成員,從使用者視角出發,與工程師並肩協作,以使用情境取代傳統規格書,讓技術團隊得以深入理解採訪流程中的真實痛點,進而開發出涵蓋多語翻譯、初稿生成、重點歸納、多稿比對、標題與內容優化等 AI 應用,整體作業時間平均縮短逾三成。同時,新聞部也與 AI 部門建立每週開會機制,持續提出痛點及回饋使用經驗,推動產品快速迭代。

TVBS-3.jpg
圖/ 數位時代

另一方面,TVBS 也連續三屆舉辦員工限定的「AI 黑客松」,各部門同仁由日常工作中的痛點出發,發想出更貼近第一線需求的 AI 解決方案,讓 AI 逐步成為組織共通的語言,不僅有效提升工作效率,也進一步形塑出 AI 驅動的創新文化。

從「科技」出發:打造混血系統 AI WIZE,讓AI真正貼近使用需求

從「工具」的角度來看,如何在滿足使用需求的同時兼顧技術快速迭代,成為關鍵課題。為此,TVBS 提出混血系統概念,由新聞人與 AI 部門協助,共同開發出專為媒體場景打造的 AI WIZE 平台。

TVBS-2.jpg
圖/ 數位時代

TVBS AI未來科技部副總監吳楨文說明,AI 技術迭代速度極快,若仍沿用傳統「使用者提需求、工程師寫程式」的開發模式,不僅溝通成本高、也難以快速及時優化,容易導致使用體驗不如預期。若是直接使用外部 AI 工具,在產出結果不穩定的情況下,使用者常常要反覆調整提示詞與修正細節,反而會增加時間成本,使 AI 應用淪為新的負擔。

為解決這樣的困境,TVBS 在開發 AI WIZE 時,結合系統化與人才混血兩大策略,由工程師在「深水區」把關系統架構、資訊安全與成本控管,而新聞人則在「淺水區」透過 AI Studio 等自然語言工具定義應用場景,並將新聞專業封裝成可重複使用的 AI Agent技能,同時透過持續回饋機制,讓 AI Agent 不斷學習與優化,使工具更貼近日常工作需求。

簡西村最後強調,人機協作不是選擇,而是必然路徑。TVBS 期望透過這場 AI 轉型,打造兼具速度、深度與可信度的新型媒體競爭力,並以自身實踐經驗為基礎,帶動台灣媒體在 AI 浪潮下強化整體產業競爭力,重新定義媒體的「真實」價值,開創新聞產業的 AI 新時代。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓