Large Taste Model（LTM）は、Spotifyが2026年5月21日にニューヨークで開いたInvestor Day（投資家向け説明会）で中心に据えた、利用者の「嗜好（taste）」に特化した独自モデルです。共同CEOのGustav Söderström氏は、汎用の大規模言語モデル（LLM）を自社で持つことに優位はないと述べ、汎用の推論能力は市場から買い、自社にしかない嗜好データの学習に投資すると説明しました。この記事では、公式に公表された範囲と公表されていない範囲を分けたうえで、関連する機能が2026年10月時点でどこまで提供されているか、公表された効果の数値をどう読むかを整理します。
まとめ：Large Taste Modelについて公表されている事実
- 発表は2026年5月21日のInvestor Day（同社3回目・創業20周年）。共同CEOのAlex Norström氏とGustav Söderström氏が2026年初めの就任後に初めて率いた説明会です。
- LTMは「汎用LLMの代わりに学習している」独自モデルで、同社は過去にLarge Personalization Modelとも呼んでいました。
- 規模を示す数字は「全サービス合計で1日3.4兆件のイベントと嗜好シグナル」。年初から43%増えたと説明されています。
- LTMを組み合わせる層として、利用者の行動・ライセンスされたメタデータ・クリエイター向けツール・文化的文脈の4つが挙げられました。Investor Dayの資料にLTM全体のパラメータ数やモデル構造の記載はなく、関連する推薦モデルの構成はSpotify Researchが別途公開しています。
- 初期導入の効果は、Autoplayでの曲の保存が9%増、ホームからのポッドキャスト発見が9%改善、DJのメッセージへの反応が約20%増、と公表されています。
- 関連機能のうちPrompted PlaylistとTaste Profileは一部の市場向けのベータで、2026年10月時点の公式発表の対象市場に日本は入っていません。
Large Taste Modelの定義と汎用LLMとの違い
Söderström氏の講演原稿によると、Spotifyはコーディングや数学のような汎用の推論能力は今後も広く手に入ると見ています。巨額の投資と激しい競争が続くため、汎用推論は「オープンな市場で買うのが最もコスト効率がよい」という判断です。そのうえで優位の源泉を「Spotifyだけが持つ利用者のデータと文脈」、つまり嗜好に置き、汎用LLMを学習する代わりにLTMを学習していると述べました。
LTMは言語モデルの対抗馬ではなく、汎用モデルに「この人は何を好むか」を渡す側の部品と捉えると理解しやすくなります。同社の説明では、汎用の知能を、独自で常に更新され、個人に深く結びついたデータに当てることで優位が生まれます。フロンティアモデルの性能向上と価格低下の恩恵はそのまま受けつつ、データの側で差をつける設計です。
旧称Large Personalization Modelと推薦エンジンからの連続性
LTMは新しく始めた研究ではありません。講演では「過去にはLarge Personalization Modelとも呼んできた」と明言されています。Spotifyは自社の歩みを、2018年の説明会で示したパーソナライズ（機械学習による推薦）から、2026年の「生成」へ移る流れとして説明しました。Discover WeeklyやRelease Radarのように過去の行動から曲を選んで並べる推薦に対し、生成の段階では、利用者の嗜好・文脈・意図に合わせて体験そのものをその場で組み立てます。
Investor Day資料で分かるLTMの範囲と技術仕様の公開状況
Investor Dayの資料（講演原稿と公式まとめ）は投資家向けで、LTM全体のパラメータ数やモデル構造は書かれていません。一方、Spotifyの研究部門Spotify Researchは推薦の基盤技術を論文とブログで公開しています。LTMの部品だと明示されてはいませんが、何を土台にしているかの手がかりになります。
| 項目 | 公表状況 | 内容 |
|---|---|---|
| 位置づけ | 公表 | 汎用LLMの代わりに学習する独自モデル |
| 旧称 | 公表 | Large Personalization Model |
| 学習データ | 公表 | 音楽・ポッドキャスト・オーディオブックの行動シグナル |
| 構成する層 | 公表 | 行動・メタデータ・クリエイターツール・文化的文脈 |
| LTM全体の詳細仕様 | 資料に記載なし | パラメータ数・構造とも示されていない |
| 関連する推薦研究 | 公開 | Spotify Research（2025年9月・2026年8月） |
| 外部提供（API） | 案内なし | なし |
開発者がLTMを直接呼び出す手段は案内されていません。外部からSpotifyのデータを扱う公開の手段は従来どおりWeb APIで、2026年2月に開発モードの条件が変わっています（Spotify Web APIでできること一覧と使い方｜2026年の開発モード制限・Client ID取得・OAuth認証）。
Spotify Researchが公開している推薦モデルの構成
2025年9月にSpotify Researchが公開したのは、本番で使っている利用者の表現（ユーザー埋め込み）の作り方です。曲の埋め込みを2種類のエンコーダで作り、3つの時間軸で集計してから、オートエンコーダで1本の利用者ベクトルに圧縮します。
- 音響エンコーダ：音声の特徴から曲の埋め込みを学習し、音の似かたを捉える
- 協調エンコーダ：プレイリストでの同時出現から曲の埋め込みを学習する
- 時間軸：約6か月（中核の関心）・1か月（中期の変化）・1週間（直近の意図）で集計
この80次元の曲の埋め込みに文脈や属性の情報を合わせてオートエンコーダに通し、検索・ランキング・生成など下流のモデルは、その出力に軽い転移学習をかけて使います。2026年8月にはKDD 2026向けの2本の論文も紹介されました。NEOは言語の指示で推薦・検索・説明を1つのLLMにまとめる枠組みです。GLIDEは10億パラメータの小型LLMでポッドキャストのエピソードを推薦する本番システムで、前述の利用者埋め込みをLLMの入力に足して長期の好みを反映します。どちらも、カタログの項目を短いトークン列で表すSemantic IDを使っています。仕組みはGenerative Recommendation（生成型推薦）とは？Semantic IDの仕組みとTIGER・HSTU・OneRecの違いで解説しています。
1日3.4兆件の嗜好シグナルという数字の読み方
講演での表現は「全サービス・全画面を合わせて、1日に3.4兆件のイベントと嗜好シグナルが生まれている」です。「イベント」と並べて数えているので、再生回数だけでなく、アプリ上の操作を含む件数と読むのが自然です。同じ講演で示された利用者数は月間アクティブ7億6,100万人、有料会員2億9,300万人（約3億人）、作成されたプレイリストは100億件超でした。
3.4兆を月間アクティブ利用者数で単純に割ると1人1日あたり約4,500件になります。これは実測された1人あたりの操作回数ではなく、規模をつかむための換算です。量よりも重要なのは更新の速さで、講演は嗜好データを「継続的に更新され、実際の行動に根ざし、再現が非常に難しい」と特徴づけました。シグナルの内訳や数え方は公表されていないため、件数そのものを他社と比べることはできません。Spotifyが参入障壁として挙げているのは件数の大きさよりも、日々更新される実際の行動データだという点です。
Large Taste Modelに関連する機能と提供状況（2026年10月時点）
説明会では、利用者が自然言語でSpotifyに指示できるようになったことが変化の中心とされました。従来はスキップや保存から意図を推測していましたが、今は利用者が言葉で直接伝えられます。各機能の提供状況は次のとおりです（2026年10月9日確認。機能名のリンク先は公式発表）。
| 機能 | 内容 | 提供状況 | 対象 |
|---|---|---|---|
| Prompted Playlist | 言葉でプレイリストを生成 | ベータ（2026-04-07にポッドキャストへ拡張） | 米・加・英・愛・豪・NZ・スウェーデンのPremium（英語） |
| Taste Profile | 嗜好の解釈を見て修正 | ベータ（2026-09-23に米国へ拡大） | 米国・NZのPremium（18歳以上） |
| Save to Spotify | エージェントの音声を保存 | ベータ（2026-05-07） | 対象のFree・Premium（全世界） |
| Studio by Spotify Labs | 個人向け音声を作るデスクトップアプリ | 研究プレビュー（2026-07-20に段階提供開始） | 20超の市場の一部Premium会員（18歳以上） |
| Reserved | 熱心なファンにチケット2枚を確保 | 提供中（2026-06-18米国・08-17カナダ） | 米国・カナダのPremium（18歳以上） |
| UMGとのカバー・リミックス作成 | 参加アーティストの曲を生成AIで改変 | 発表のみ（時期・価格は未公表） | Premiumの有料追加機能 |
Prompted PlaylistとTaste Profile：言葉で推薦を操作する機能
Prompted Playlistは2025年12月11日にニュージーランドのPremium会員向けベータとして始まり、2026年1月22日から米国・カナダでも順次提供が始まりました。登録初日からの全聴取履歴と、チャートやトレンドなど音楽界のリアルタイム情報を組み合わせて曲を選びます。毎日・毎週の自動更新を設定でき、ポッドキャスト版では各エピソードに「なぜ入ったか」の短い説明が付きます。
Taste Profileは、Spotifyが自分の嗜好をどう解釈しているかを要約で見せ、「Tell us more」欄に書いた指示でホーム画面の推薦を調整する機能です。2026年3月13日にSXSWで発表され、9月23日に米国の18歳以上のPremium会員へ広がりました。公式の案内では、変更は通常数時間で反映され、書いたメモはいつでも編集・削除できます。推薦が偏ったと感じたときに利用者側で戻せる仕組みで、フィルターバブルとは？エコーチェンバー・サイバーカスケードとの違いと身近な例・対策で扱う「推薦による視野の狭まり」への一つの答えになっています。
Personal PodcastとStudio by Spotify Labs：自分専用の音声メディア
2026年5月7日に始まったSave to Spotifyは、デスクトップで使うOpenClaw・Claude Code・OpenAI Codexなどのエージェントに追加するCLIツールです。エージェントに作らせた予定のまとめや講義ノートの要約を、Personal Podcastとして自分のライブラリへ保存できます。公式は、利用量に上限を設けながら試験していると明記しています。アプリ内でPersonal Podcastを生成・予約する機能も、8月4日の第2四半期決算発表の時点で米国の対象Premium会員向けにベータ提供が始まっています。
Studio by Spotify Labsは、この流れを自社アプリに取り込んだデスクトップアプリです。音楽・ポッドキャスト・オーディオブックにわたる嗜好を把握し、許可を与えればカレンダーや受信箱、メモと連携して、ウェブ閲覧や調べ物も代わりに行います。Spotify自身が「間違えることや予期しない動作をすることがある」と注意書きしており、結果を確認してから頼るよう求めています。
ReservedとUMG連携：熱心なファンから追加収益を得る機能
Reservedは、アーティストの熱心なファンを再生・保存・共有などの行動から見つけ、一般発売の前にツアーのチケット2枚を確保する仕組みです。Live Nationと組み、Ticketmasterで決済します。米国で2026年6月18日に始まり、8月17日にカナダへ広がりました。第2四半期決算では、開始から約10万枚のチケットがSpotify経由で確保されたと報告されています。購入できる期間はおおむね1日で、Spotify側の追加手数料はかかりません。ボットではなく本物のファンかどうかも監視すると説明されています。選定の詳細は「意図的な操作を招かないため」公開されていません。
Universal Music Group（UMG）との契約は、録音原盤と楽曲出版の両方を対象にしたライセンス契約です。参加を選んだアーティストと作詞作曲家の曲だけを対象に、同意・クレジット・報酬を組み込んだうえで、ファンがカバーやリミックスを作れるツールをPremiumの有料追加機能として出す計画です。発表時点で提供開始日と価格は示されていません。
公表された効果の数値と2030年目標
説明会の公式まとめでは、LTMの初期導入による反応の改善として次の3つの数値が示されました。
- Autoplayでの曲の保存：9%増
- ホームからのポッドキャスト発見：9%改善
- DJのメッセージへの反応：約20%増
いずれも同社の自己申告で、比較の基準や期間、対象市場は示されていません。改善率は「どの指標がLTMで動いたか」を知る手がかりとして読み、売上への効果の証明とは受け取らないのが妥当です。
財務面では、2025年の実績として売上170億ユーロ、売上総利益率32%、営業利益率約13%、フリーキャッシュフロー約30億ユーロが示されました。2030年までの目標は次のとおりです。
| 指標 | 2025年実績 | 2030年までの目標 |
|---|---|---|
| 売上成長率 | 2022〜2025年の年平均18%（為替中立） | 年率10%台半ば |
| 売上総利益率 | 32% | 35〜40% |
| 営業利益率 | 約13% | 20%超 |
| フリーキャッシュフロー | 約30億ユーロ | 力強い成長 |
このほか長期の目標として、有料会員10億人、売上1,000億（講演では通貨の明示なし）、売上総利益率40%超を掲げ続けるとしました。収益化の考え方は、平均的な利用者は存在せず、使用量と支払意欲はべき乗則に従うというものです。値上げに加えて、熱心な利用者向けの追加機能を積み上げる方針で、先行例のAudiobooks+は、5月の説明会時点で開始から1年足らずで100万人超が契約し、8月の第2四半期決算では150万人に達したと発表されています。
LTM戦略の弱点と、自社に当てはめるときの判断基準
Spotifyが挙げるLTMの強みは、日々更新される行動データを他社が再現しにくいことです。一方で、弱点も同じ構造から生まれます。
外部エージェントへの依存と中抜きの両面性
Spotifyは汎用推論を外部から買うため、モデルの価格や提供条件の変化を自社で決められません。また、利用者の入口がエージェントに移ると、Spotifyはエージェントから呼ばれる「部品」になります。実際に2026年9月23日にはMetaのエージェントMuseとの連携が発表され、公式発表はChatGPTやClaudeからもSpotifyを使えると書いています。入口が増える利点と、利用者との接点を他社に握られる危険は同じ動きの表と裏です。Save to SpotifyやStudioで、外で作られた音声も自社ライブラリに集める設計は、この中抜きへの対抗策と読めます。
推薦の仕組みを自社サービスに持ち込む条件
「汎用モデルは買い、独自データに投資する」という判断は、どのサービスでも成り立つわけではありません。LTMの構図を自社の推薦に当てはめるなら、次の3条件を確かめます。
- 嗜好を表す行動履歴が継続して貯まるか。Spotifyの強みは量だけでなく、行動が毎日更新されることにある
- 操作が嗜好を表すか。スキップや保存のように好みが直接出る行動がなければ、量があっても学習に使いにくい
- 利用者が推薦を直せる窓口を用意できるか。Taste Profileのように本人が修正できないと、自然言語の指示を集める経路が育たない
避けたいのは、改善を評価できるだけの履歴がないまま独自モデルの学習に投資することです。まず汎用モデルに商品情報と直近の履歴を渡す構成を基準として作り、独自モデルがその基準をオフライン指標とA/Bテストで上回るかを確かめてから投資を広げます。Spotify ResearchもGLIDEの評価で、人気の高いコンテンツを多く推薦するだけで再現率は上がってしまうため、オフライン指標に人手評価とLLMによる判定を組み合わせたと説明しています。推薦エンジンの方式の選び分けはレコメンドエンジンとは？仕組み・種類と導入判断（SaaS/受託開発の選び分け）を分かりやすく解説で解説しています。
よくある質問
Large Taste Model（LTM）とは何ですか？
Spotifyが汎用LLMの代わりに学習している、利用者の嗜好に特化した独自モデルです。2026年5月21日のInvestor Dayで戦略の中心として示されました。同社は過去にLarge Personalization Modelとも呼んでいました。
LTMとChatGPTのようなLLMはどう違いますか？
コーディングや数学のような汎用の推論は外部のフロンティアLLMが担い、Spotifyはその汎用モデルを自社では開発せず市場から調達します。LTMは聴取行動などSpotifyだけが持つデータから「誰が何を好むか」を学ぶ部分で、両者を組み合わせて使う設計です。なお、LLMを推薦向けに適応させる研究（NEO・GLIDE）は自社で進めており、作らないのはあくまで汎用モデルです。
LTMを使った機能は日本で使えますか？
2026年10月時点の公式発表では、Prompted Playlistは米国・カナダ・英国・アイルランド・オーストラリア・ニュージーランド・スウェーデン、Taste Profileは米国とニュージーランドのPremium会員が対象で、日本は含まれていません。Save to Spotifyは対象のFree・Premium会員が全世界で使えるとされています。
3.4兆の嗜好シグナルとは何の数ですか？
音楽・ポッドキャスト・オーディオブックなど全サービスで1日に発生する「イベントと嗜好シグナル」の合計です。内訳は公表されていません。講演では2026年の年初から43%増えたと説明されました。
LTMの技術仕様やAPIは公開されていますか？
Investor Dayの資料にはLTM全体のパラメータ数やモデル構造の記載がなく、LTMを直接呼び出すAPIも案内されていません。関連する推薦モデルの構成はSpotify Researchが論文とブログで公開しています。外部の開発者が使える公開手段は従来のSpotify Web APIです。
