我是一个独立开发者。今年一月，我推出了MixDoctor（一款用于iOS和macOS的AI混音分析软件）。虽然它在用户反馈中表现得还不错，但我逐渐发现了一些问题：这个应用程序在惩罚专业混音的歌曲。

一位金属乐队的制作人上传了一首歌曲，歌曲的音压值（LUFS）为-7，使用了严重的压缩，动态范围非常窄。应用程序告诉他这是一个问题。但是，实际上金属音乐的混音就是这样……应用程序的评分系统完全不知道它正在分析的是什么类型的音乐。

修复这个问题需要从头开始。所以，我重建了整个引擎，根据9个不同的音乐类型（每种类型都有来自实际混音研究的阈值值，来源于iZotope、Dynamic Range Database和伊恩·谢伯德（Ian Shepherd）的工作）。这比我预期的要花更多的时间，而且还打破了几个功能。

这就是教训：域内的准确性比一般的准确性更重要。一个对你的用例有信心但却错误的工具，反而比没有工具要糟糕。

接下来的事情还在思考中。哪些功能能让你相信AI分析工具在你的工作流程中有用？