Présentation du projet
Le startup japonais A Vinyl Bar in Shibuya a levé 5,5 M$ en pré‑seed auprès de Mantis VC, SV Angel et d’autres investisseurs, dont Dawn Ostroff, ancienne dirigeante de Spotify. Fondée par Máuhan M. Zonoozy, ex‑responsable innovation chez Spotify, la société propose une série d’applications ludiques qui permettent aux utilisateurs de manipuler sons, voix et stems sans recourir à la génération d’audio par IA. Chaque expérience est commercialisée comme un « single » d’un album d’applications, ce qui crée un modèle de diffusion itératif.
Architecture des applications
Les premiers produits sont des services web ou des extensions de navigateur. Speed Surfer est une extension Chrome qui exploite l’API Web Audio pour modifier la vitesse et appliquer des filtres en temps réel sur tout flux audio du navigateur. Usersound transforme chaque caractère d’un nom d’utilisateur en note MIDI, en s’appuyant sur un synthétiseur JavaScript intégré. Stacks propose une grille 3 × 3 où chaque case active ou désactive un stem ; le mixage se fait côté client grâce à la même API Web Audio, évitant ainsi le besoin d’un serveur de rendu. Drops utilise la physique du navigateur (Canvas + WebGL) pour faire rebondir des billes qui déclenchent des notes, tandis que Sampler extrait des segments de vidéos YouTube via l’API YouTube, les découpe en boucles et les charge dans le moteur de lecture.
L’application iOS bop repose sur AVFoundation et AudioKit pour le traitement audio, offrant une grille d’instruments, un contrôle de tempo et des effets ponctuels. Les mixes peuvent être exportés directement vers les API de TikTok et Instagram, ce qui implique l’utilisation de leurs SDK mobiles pour le partage. Le backend, bien que non détaillé, doit fournir un stockage d’assets (stems, presets) probablement via un service cloud (ex. AWS S3) et une authentification OAuth pour les plateformes sociales.
Choix de ne pas intégrer l’IA
Zonoozy justifie l’absence d’IA générative par une volonté de préserver l’interaction humaine. Sur le plan technique, cela réduit la consommation GPU et les coûts d’inférence, simplifie la conformité aux politiques de données et élimine la dépendance à des modèles propriétaires. En revanche, la décision impose des limites fonctionnelles : les utilisateurs ne peuvent pas créer de nouvelles mélodies à partir de zéro, ils ne font que recomposer des éléments existants. Le produit mise donc sur la rapidité d’exécution du Web Audio et sur la latence minimale, critères critiques pour une expérience en temps réel.
Perspectives et limites
Le prochain « musical sandbox mixer » promet de permettre la création d’instruments virtuels, ce qui nécessitera probablement l’intégration de synthétiseurs modulaires (ex. WebAssembly‑based DSP). Cette évolution augmentera la complexité du pipeline audio et pourra pousser le startup à envisager un hybride : des modules légers côté client complétés par des services de rendu serveur pour les tâches les plus gourmandes. Le modèle économique repose sur la diffusion continue de nouveaux « singles », mais la monétisation reste incertaine tant que la base d’utilisateurs n’est pas clairement définie. Enfin, l’absence d’IA limite la différenciation face à des concurrents qui offrent des générateurs de musique basés sur des modèles de diffusion, ce qui pourrait contraindre le startup à renforcer son positionnement sur la créativité collaborative et le partage social.
