半年前曾有「豆瓣 FM 即将关闭」的传言，让许多人感到伤感和无奈。然而这终究只是传言，随着最新版本的发布，豆瓣 FM 将开始一段新的历程。
4 月 11 日，豆瓣 FM 发布了 5.0 最新版本的 iOS 应用。
豆瓣的每一次产品线策略调整，无论大小，都会引发很多豆瓣用户讨论。半年前曾有「豆瓣 FM 即将关闭」的传言，让许多人感到伤感和无奈。然而这终究只是传言，随着最新版本的发布，豆瓣 FM 将开始一段新的历程。
它依旧是你熟悉的豆瓣 FM，红心、垃圾桶、私人电台一样都没少，个性化的推荐内容让以前的「每日私人歌单」变的更加多样。强大且精准的豆瓣算法依然维系着豆瓣 FM 的核心功能，而曾几何时不断缩水的曲库，这一次有了很大程度的改观：在最新版本的豆瓣 FM 中，你可以通过接入 Apple Music 订阅服务，收听到更多的歌曲。在未来的短期内，随着豆瓣 FM 与 Apple Music 的曲库匹配的更进一步完善，将有更多的歌曲在豆瓣 FM 被听到。
最抢眼的视觉改变则来自一份音乐地图。地图由不同年代、不同地区、不同流派的音乐创作者组成，经由豆瓣音乐大数据算法构建而出。它是千万豆瓣用户的音乐口味的集体映射，你也可以根据你自己的豆瓣音乐足迹，生成到一份你独一无二的音乐地图。地图亦是一种发现新音乐的方法：你可以对地图上各个区域的音乐人聚类进行探索，也可以从任意一点开始，发现与之最相似的音乐人——他们或许在你完全陌生的地图另一端。
由于与 Apple Music 接入后的版权限制，新版本的豆瓣 FM 暂时不再支持离线播放功能。在此需要向广大用户说一声抱歉。在未来随着版权状况的改进，离线功能或将回归。
豆瓣 FM 是中文互联网最早的音乐电台类应用，但它的实际功能早已不仅仅局限于「电台」。在豆瓣 FM 的红心/垃圾桶之外，你的豆瓣音乐专辑条目的收藏与豆瓣音乐人的收听记录亦是推荐算法的重要组成依据。通过「搜索-收听-收藏-推荐」的一系列简洁操作，豆瓣 FM 帮助记录你独特的音乐口味，享受更多音乐探索的乐趣。
豆瓣 FM 5.0 的 Android 版本也将在近期发布。
如果有兴趣的话，你还可以阅读一份豆瓣 FM 开发者笔记。相信它可以帮助你了解更多这份音乐地图的设计理念——发现未知可以是怎样的方式，以及对我们而言，发现未知为什么是如此重要的一件事。
附：豆瓣 FM 开发者笔记——写在豆瓣 FM iOS 5.0 版本发布之前
豆瓣 FM 步入了第九个年头，私人电台已经成为了很多人「最懂我」的朋友。但我们也一直在思考，音乐推荐还能够怎样变得更加合理、方便和有趣，豆瓣 FM 5.0 是我们做出的一个尝试。
缘起
对算法推荐的依赖，让我们失去了对世界全貌的认知
这些年线上服务越来越智能，个性化推荐俨然成为标配功能。我们每天接受算法为我们量身设计的各类内容，大大节省了时间和精力，但代价是逐渐丧失了探索世界的动力和好奇心。信息越多，对世界的全貌的认识却越来越模糊：我们以为自己熟悉、喜欢和接收到的就是全世界的样子，实际上却是变得越来越狭隘，和与我们观点不同的人越行越远。
音乐尤其如此，全世界有数以百万计的音乐人，数千万首歌曲，风格各异。这样浩瀚而又斑斓的音乐世界，究竟应当如何入手探索，而线上产品又能带来什么样的帮助？
依赖于流派风格的传统分类体系的不足
当下，音乐爱好者们依赖着流派风格分类来定义音乐世界的区隔，它也是大部分线上音乐产品对自己庞大曲库的管理依据。
这套体系问题重重：首先，除非使用者有相当的知识储备，否则认知门槛颇高。同时，随着现在音乐和流行文化的迅速演进，风格之间的融合和变化越来越快，流派风格的定义实际上也越来越复杂。另外，目前的流派分类很难清楚地描述不同风格之间错综复杂的关联，不能让我们产生直观的认知。
更重要的是，实际上，流派风格并不是大多数人考虑音乐之间关联性、相似度的唯一参考元素，甚至不是我们对音乐进行选择的核心理由。社会潮流、艺术质量、环境契机等等都综合影响着我们对音乐的理解和选择。
有没有什么方法能够超越流派风格，更全面地来描述音乐世界呢？
认知和分享自己的音乐品味
这一过程需要建立在对全貌的描述能力之上。只有了解全局，才能认知自我，才能与他人交流。
关注红心背后的音乐人
流媒体时代，我们每天听着大量不重复的音乐，它们来自不同的专辑，不同的音乐人。我们记不住这些歌的名字，记不住唱歌写歌的人，听到喜欢的点一颗红心，但大多数时候也仅此而已。
但，人才是音乐、艺术的缔造者，我们对音乐人、艺术家的关注才是对音乐、艺术最大的尊重。大多数音乐人在流媒体时代遭遇的收入低、成名难的问题，也只有当大家真正给与关注的时候才能解决。
我们选择了音乐地图这种表达方式
区别于传统用节拍、音色等定义音乐流派的维度，我们选择用真实用户的收听习惯来判断不同音乐之间的关联。
人以群居，有着相同音乐喜好的人容易形成一个稳定的人群。反过来，同样喜欢某种音乐的人群，内在也会存在紧密的相似性。
音乐地图里的不同「疆域」，背后对应的是不同的听众人群，「疆域」里的音乐则是这个区域里大家都喜欢的音乐。区域之间的距离所表示的是人群喜好之间的差距。借助大数据与人工智能，我们将受众越相近的音乐摆放在了一起，并将其呈现在一张平面的地图之上，可以清晰、直观的观察到区隔与联系。
基于受众的分类和关联表达，地图更忠实、全面地反应音乐和听众之间的关系。在地图中，这些关系与流派风格有内在的一致，但又超越了流派风格的单一性。
我们的个人喜好分布可以轻松的反映在地图之上，可以清楚地了解我们品位的边界和未知的领域所在，也可以轻松的向他人展示自我的音乐取向。
我们选择了用艺术家代表音乐来构建地图，是因为希望大家在意和发现的首先是人。同时，也许这个地图可以成为音乐人自己的一个认知工具，帮助音乐人了解自己当下的市场位置。
地图上的艺术家分群反映了群聚关系，但如果单从一个艺术家出发，与其相似的艺术家可能分布在地图的多个角落。一个艺术家就好似一个枢纽，可以引导我们去探索世界不同的领域。
算法的推荐可以变得更加透明。我们能够通过地图更好地理解推荐结果和自我的关系。算法不应当阻碍我们探索世界，而应当成为探索世界更有效、更有趣的辅助。
