Beyond Musical Descriptors: Extracting Preference-Bearing Intent in Music Queries
Deezer Research（Deep Music 研究所）；Idiap Research Institute（Idiap 研究所）
本文提出MusicRecoIntent语料库，通过标注音乐请求中的描述以提取用户意图，研究LLM在提取音乐描述中的表现，并为改进音乐理解系统提供基准。
2026-02-11 cs.CL cs.IR cs.LG
Benchmarking Music Autotagging with MGPHot Expert Annotations vs. Generic Tag Datasets
本文提出基于MGPHot专家标注数据集构建音乐自动标注基准，提供音频URL、数据划分及七种模型预计算表示，对比专家与通用标签差异，推动音乐理解研究。
2025-09-08 cs.SD eess.AS
Benchmarking Representations for Speech, Music, and Acoustic Events
Kore University of Enna（恩纳科雷大学）；Politecnico di Torino（都灵理工大学）；Università degli Studi di Palermo（巴勒莫大学）
针对音频表征学习基准多样性不足的问题，提出覆盖声学事件、音乐、语音的多领域综合基准ARCH，含12个数据集可评估不同规模预训练SSL模型，还发布了性能优异的非语音预训练模型，为领域研究提供参考。
2024-05-02 cs.LG cs.SD eess.AS
MR-FlowDPO: Multi-Reward Direct Preference Optimization for Flow-Matching Text-to-Music Generation
FAIR Team, Meta MSL（Meta MSL FAIR团队）；The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
MR-FlowDPO通过多奖励直接偏好优化提升文本到音乐生成的质量，增强音频质量、文本对齐和音乐性。
2025-12-12 cs.SD
MMGenre: Benchmarking Singing Voice Synthesis across Multiple Musical Genres
Renmin University of China（中国人民大学）；Carnegie Mellon University（卡内基梅隆大学）
研究跨多种音乐流派的歌声合成泛化能力，引入MMGenre基准及自动管道，涵盖多流派。评估显示流派辨别有限，零样本改进小，特定流派持续训练有显著提升，为多流派SVS评估提供框架，揭示关键挑战。
2026-07-09 cs.SD
A Benchmarking Initiative for Audio-Domain Music Generation Using the Freesound Loop Dataset
Academia Sinica（中央研究院）；National Taiwan University（国立台湾大学）；Taiwan AI Labs（台湾人工智能实验室）
本文提出了一个新的基准任务，用于在音频域中使用来自FreeSound Loop Dataset的鼓循环生成音乐段落，这些鼓循环可公开再分发。此外，我们使用了一个更大的收集鼓循环从Looperman建立四个基于模型的客观评价指标，释放这些指标作为一个库，量化和促进音乐音频生成的进展。在这个评估框架下，我们对三个最近的深度生成对抗网络（GAN）模型进行了性能基准测试，这些模型是我们定制的，用于生成循环，包括StyleGAN，StyleGAN 2和UNAGAN。我们还报告了这些模型的主观评价。我们的评估表明，基于StyleGAN2的算法在客观和主观指标上都表现最好。
2022-09-22 cs.SD eess.AS
CSyMR: Benchmarking Compositional Music Information Retrieval in Symbolic Music Reasoning
University of California, San Diego（加州大学圣地亚哥分校）
CSyMR-Bench通过工具增强的检索和推理框架，在符号音乐推理中实现组合音乐信息检索的准确率提升。
2026-02-27 cs.AI cs.CL cs.LG
ABC-Eval: Benchmarking Large Language Models on Symbolic Music Understanding and Instruction Following
Graduate School of Informatics, Kyoto University, Japan（京都大学信息科学研究生院）；College of Computer Science and Artificial Intelligence, Fudan University, China（复旦大学计算机科学与人工智能学院）；Graduate School of Engineering, Kyoto University, Japan（京都大学工学研究科）
针对LLM符号音乐理解能力研究不足的问题，本文提出含1,086个样本、10个子任务的开源基准ABC-Eval，并评估七个前沿模型，揭示其显著局限且验证基准可靠性。
2025-09-27 cs.AI cs.SD
MusiCRS: Benchmarking Audio-Centric Conversational Recommendation
University of California, San Diego, USA（加州大学圣地亚哥分校）
MusiCRS通过链接Reddit用户对话与音乐曲目，为音频导向的对话推荐提供首个基准测试，揭示了跨模态整合的局限性，并释放了相关数据集和代码以促进研究进展。
2026-01-23 cs.MM cs.SD
How Far Can Pretrained LLMs Go in Symbolic Music? Controlled Comparisons of Supervised and Preference-based Adaptation
Johannes Kepler University Linz（约翰·凯pler大学林茨）
本文探讨了预训练大语言模型在符号音乐生成与理解中的适应效果，通过对比监督学习与偏好导向适应方法，分析了领域适应与保留先验信息的权衡及指标行为差异。
2026-01-30 cs.AI cs.SD
Improving Text-to-Music Generation with Human Preference Rewards
Georgia Tech（佐治亚理工学院）；KAIST（韩国科学技术院）；Peking University（北京大学）；Queen Mary University of London（伦敦玛丽女王大学）；Carnegie Mellon University（卡内基梅隆大学）
提出结合人类偏好奖励（TuneJury）的文本到音乐生成方法，通过训练时奖励条件化、专家迭代、偏好微调等五项工程决策，在ATTM挑战中提升FAD-CLAP和CLAP分数。
2026-06-23 cs.AI cs.LG cs.SD
Benchmarking Sub-Genre Classification For Mainstage Dance Music
Johns Hopkins University（约翰霍普金斯大学）；Southeast University（东南大学）；National University of Defense Technology（国防科技大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
针对主舞台舞曲亚流派分类缺乏数据集和方法的问题，提出新基准与数据集，采用连续软标签，实验显示专用基线模型优于多模态大模型，支持推荐与DJ混音策划。
2025-08-04 cs.AI cs.MM cs.SD
Music Similarity Representation Learning Focusing on Individual Instruments with Source Separation and Human Preference
Nagoya University（名古屋大学）
该研究提出结合音乐音源分离与人类偏好的单乐器音乐相似性表示学习方法InMSRL，通过端到端微调、多任务学习、感知感知微调三种策略提升性能，实验验证了各策略的有效性及级联方案的优越性。
2025-03-24 cs.SD eess.AS
TuneJury: An Open Metric for Improving Music Generation Preference Alignment
Carnegie Mellon University（卡内基梅隆大学）；Sony AI（索尼AI）；Georgia Tech（佐治亚理工学院）；KAIST（韩国科学技术院）；Peking University（北京大学）；QMUL（伦敦玛丽女王大学）
提出TuneJury，一个开放、实例级别的成对奖励模型，用于文本到音乐生成，通过预测偏好分数支持数据筛选、后处理校准，并在推理、优化和训练中提升对齐效果。
2026-06-16 cs.AI cs.LG cs.MM
MSRBench: A Benchmarking Dataset for Music Source Restoration
Independent Researcher（独立研究者）；John Hopkins University（约翰·霍普金斯大学）；The Chinese University of Hong Kong（香港中文大学）；Sony AI（索尼人工智能）；King's College London（伦敦国王学院）
提出首个专为音乐源恢复评估设计的MSRBench基准，包含八类乐器的原始-处理混合对及十二种真实退化，基线实验表明现有模型恢复保真度有待提升。
2025-10-13 cs.SD
Genre Bias or Aesthetic Perception? Identifying and Mitigating Shortcut Learning in Music Evaluation
研究音乐评价模型中流派诱导的捷径学习问题，提出联合重新加权硬样本并规范化组级性能的训练目标，减少流派相关偏差，提高与人类偏好的一致性。
2026-07-16 cs.SD
Towards Hallucination-Free Music: A Reinforcement Learning Preference Optimization Framework for Reliable Song Generation
Tencent AI Lab（腾讯AI实验室）
针对歌词到歌曲生成中的幻觉问题，提出基于强化学习偏好优化的框架，通过DPO、PPO和GRPO策略显著降低音素错误率，同时保持音乐质量。
2025-08-07 cs.AI cs.SD eess.AS
Aligning Language Models for Lyric-to-Melody Generation with Rule-Based Musical Constraints
Zuoyebang Education Technology（中关村教育科技）
本文提出基于规则的音乐约束对齐框架，通过DPO和KTO优化减少旋律生成中的约束违规，提升音乐性和连贯性。
2026-04-20 cs.CL cs.SD eess.AS
PAG-Agent: Zero-Shot Personalized Music Album Generation via Aesthetic Profile Distillation
Beijing University of Technology（北京工业大学）；Beijing Jiaotong University（北京交通大学）
PAG-Agent是零样本多模态框架，通过个人审美画像连接用户偏好推理与音乐生成控制，经实验验证其在个性化音乐生成上优于通用方法，且ACS与主观偏好相关性达0.64。
2026-10-14 cs.MM cs.SD
On loss functions and evaluation metrics for music source separation
Universitat Pompeu Fabra（庞培法布拉大学）；Dolby Laboratories（杜比实验室）
我们调查损失函数提供更好的分离，通过基准测试的音乐声源分离的广泛的一套。为此，我们首先调查了我们确定的最具代表性的音频声源分离损失，然后在受控的实验设置中对其进行一致的基准测试。我们还探索使用这样的损失作为评估指标，通过交叉相关的主观测试的结果。根据观察，标准的信号失真比度量可能会误导在某些情况下，我们研究替代评估指标的基础上考虑的损失。
2022-02-16 cs.LG cs.SD eess.AS
Song From PI: A Musically Plausible Network for Pop Music Generation
University of Toronto（多伦多大学）
我们提出了一个新的框架生成流行音乐。我们的模型是一个分层的递归神经网络，其中层次的层和结构编码了我们关于流行音乐是如何组成的先验知识。特别是，底层产生旋律，而更高的层次产生鼓和和弦。我们进行了几项人类研究，显示我们生成的音乐比Google最近的方法产生的音乐更受欢迎。我们还展示了我们的框架的两个应用：神经舞蹈和卡拉OK，以及神经故事唱歌。
2016-11-10 cs.AI cs.SD
Comparision Of Adversarial And Non-Adversarial LSTM Music Generative Models
University Of Pretoria（比勒陀利亚大学）
音乐创作是一种在最少或没有人为干预的情况下创作音乐作品的方式。虽然递归神经网络传统上被应用于许多序列到序列的预测任务，包括音乐创作的成功实现，但其基于输入到输出映射的标准监督学习方法导致缺乏音符多样性。因此，这些模型可能被视为不适合诸如音乐生成之类的任务。生成对抗网络学习数据的生成分布，并产生不同的样本。这项工作实现并比较了递归神经网络音乐作曲家在数据库上的对抗性和非对抗性训练。由此产生的音乐样本由人类听众评估，他们的偏好被记录下来。评估表明，对抗性训练产生更美观的音乐。
2022-11-01 cs.LG cs.SC cs.SD
Universal Music Representations? Evaluating Foundation Models on World Music Corpora
本文评估五种音频基础模型在六个世界音乐语料库上的跨文化泛化能力，采用探针、微调和少样本方法，在五个数据集上达到最先进性能，揭示模型已编码丰富音乐知识。
2025-06-20 cs.IR cs.LG cs.SD
Large Language Models' Internal Perception of Symbolic Music
本文通过让LLM从文本提示生成MIDI数据集并训练神经网络进行分类与旋律补全，揭示LLM能隐式编码基本音乐结构，同时指出其因缺乏显式音乐语境而存在局限。
2025-07-17 cs.AI cs.CL cs.LG
dMelodies: A Music Dataset for Disentanglement Learning
Center for Music Technology, Georgia Institute of Technology（佐治亚理工学院音乐技术中心）
表示学习专注于解开给定数据中变化的潜在因素，已成为机器学习的一个重要研究领域。然而，这一领域的大多数研究都依赖于计算机视觉领域的数据集，因此还没有很容易地扩展到音乐。在本文中，我们提出了一个新的符号音乐数据集，这将有助于研究解开问题的研究人员证明他们的算法在不同领域的有效性。这也将为评估专门为音乐设计的算法提供一种手段。为此，我们创建了一个由2小节单声道旋律组成的数据集，其中每个旋律都是跨越序数，分类和二进制类型的九个潜在因素的独特组合的结果。数据集足够大（大约）。1.3百万个数据点）来训练和测试深度网络以进行解纠缠学习。此外，我们提出了基准测试实验，使用流行的无监督解纠缠算法在这个数据集上，并将结果与基于图像的数据集上获得的结果进行比较。
2020-07-29 cs.LG cs.SD eess.AS
Rubric-Based Optimization for Text-to-Music Generation
University of Washington（华盛顿大学）；Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院）；Allen Institute for AI（艾伦人工智能研究所）
本研究提出利用音频语言模型的结构化评分标准作为奖励信号，通过DPO和DiffusionNFT优化文本到音乐生成，实验表明其提升整体感知质量，而专门客观奖励更适合精确属性优化。
2026-10-06 cs.SD
Investigating Personalization Methods in Text to Music Generation
Athena Research Center（雅典娜研究中心）；University of Athens（雅典大学）
本文首次在少样本设置下将预训练文本到音频扩散模型与两种个性化方法结合，研究文本到音乐生成的个性化，并通过新数据集、定量指标和用户研究揭示当前方法更易学习节奏而非旋律。
2023-09-20 cs.LG cs.SD eess.AS
The Wiki Music dataset: A tool for computational analysis of popular music
Profilio Company s.r.l.
有没有可能使用算法来发现流行音乐历史上的趋势？是否有可能预测未来音乐流派的特征？为了回答这些问题，我们制作了一个手工制作的数据集，旨在将风格，心理学，社会学和类型学的特征放在一起，按音乐类型注释，并按时间和年代索引。我们从维基百科上收集了十年来流行的音乐类型列表，并根据维基百科的描述对音乐类型进行了评分。使用统计和机器学习技术，我们发现音乐偏好的趋势，并使用时间序列预测来评估对未来音乐流派的预测。
2019-08-27 cs.CL cs.CY cs.SD
Benchmarking In-context Experiential Learning Through Repeated Product Recommendations
本文提出BELA基准，通过重复产品推荐场景评估智能体在动态环境中的经验学习与主动探索能力。
2026-08-11 cs.LG
SingSong: Generating musical accompaniments from singing
IRCAM - Sorbonne Université（巴黎声学/音乐研究与协调研究所 - 索邦大学）；Google Research（谷歌研究院）
我们提出了SingSong，一个系统，生成器乐伴奏输入人声，可能提供音乐家和非音乐家一样，一个直观的新方法来创建音乐特色自己的声音。为了实现这一点，我们建立在音乐声源分离和音频生成的最新发展。具体来说，我们应用一个国家的最先进的声源分离算法的大型语料库的音乐音频，以产生对齐的对人声和乐器的来源。然后，我们调整AudioLM（Borsos等人，2022）--一种用于无条件音频生成的最先进的方法--以适合于有条件的“音频到音频”生成任务，并在源分离的（声乐、乐器）对上对其进行训练。在成对比较相同的声乐输入，听众表示出显着的偏好相比，从一个强大的检索基线产生的乐器SingSong。在https://g.co/magenta/singsong上的声音示例
2023-01-30 cs.AI cs.LG cs.MM
Personalized Benchmarking: Evaluating LLMs by Individual Preferences
University of Chicago（芝加哥大学）
本文提出个性化LLM基准测试，通过ELO评分和Bradley-Terry系数分析115名用户对LLM的排名差异，发现个体偏好与聚合排名差异显著，强调开发个性化基准的重要性。
2026-04-21 cs.AI cs.CL cs.HC
LIBERO-PeRM: Benchmarking Personalized Robotic Manipulation
University of California, Riverside（加州大学河滨分校）；Yale University（耶鲁大学）；Georgia Institute of Technology（佐治亚理工学院）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）；University of Toronto（多伦多大学）
本研究推出LIBERO-PeRM基准测试，针对具身智能体偏好学习展开研究，实验发现当前VLA策略零样本个性化表现差，SFT可使偏好可学习，混合训练有优势但偏好泛化等仍具挑战。
2026-10-16 cs.AI cs.LG cs.RO
MIRFLEX: Music Information Retrieval Feature Library for Extraction
MIRFLEX是一个可扩展的模块化音乐特征提取库，集成最先进模型，提取调性、强拍、流派等音乐元素及乐器识别等音频特征，支持潜在或后处理标签，便于集成到音乐应用并作为基准测试工具。
2024-11-01 cs.AI cs.IR cs.SD
Between the AI and Me: Analysing Listeners' Perspectives on AI- and Human-Composed Progressive Metal Music
Queen Mary University of London（伦敦玛丽女王大学）
本文通过32名前卫金属乐迷的聆听研究，结合定量与定性方法，验证了微调Transformer模型ProgGP可实现类型专业化，并发现听众能区分AI与人类作品且更偏好人类创作。
2024-07-31 cs.AI cs.HC cs.SD
Music Classification: Beyond Supervised Learning, Towards Real-world Applications
音乐分类是一项音乐信息检索（MIR）任务，用于将音乐项分类为诸如流派、情绪和乐器之类的标签。它还与音乐相似性和音乐偏好等其他概念密切相关。在本教程中，我们将重点放在两个方向上-最近的训练计划超越监督学习和音乐分类模型的成功应用。本书的目标读者是对最先进的音乐分类研究和构建现实世界应用程序感兴趣的研究人员和从业人员。我们假设观众熟悉基本的机器学习概念。在这本书中，我们提出了三个讲座如下：1。音乐分类概述：任务定义，应用，现有方法，数据集，2。Beyond supervised learning：Semi- and自监督学习for music classification.走向现实世界的应用：较少讨论，但在实践中的重要研究问题。
2021-12-03 cs.IR cs.SD eess.AS
Learning Audio Embeddings with User Listening Data for Content-based Music Recommendation
University of California San Diego（加利福尼亚大学圣地亚哥分校）；Tencent Music Entertainment（腾讯音乐娱乐）
在音乐产业中，对新发行的曲目进行个性化推荐一直是一个具有挑战性的问题。为了解决这个问题，我们首先探索用户的收听历史和人口统计数据，构建一个用户嵌入代表用户的音乐偏好。通过用户嵌入和来自用户喜欢和不喜欢的音轨的音频数据，可以使用具有Siamese网络的度量学习来获得针对每个音轨的音频嵌入。对于一个新的音轨，我们可以通过计算音轨的音频嵌入和不同用户嵌入之间的相似度来决定推荐的最佳用户组。建议的系统产生国家的最先进的性能，基于内容的音乐推荐测试与数百万用户和曲目。此外，我们提取音频嵌入的音乐流派分类任务的功能。实验结果表明了我们的音频嵌入的泛化能力。
2020-10-29 cs.SD eess.AS
TuneGenie: Reasoning-based LLM agents for preferential music generation
该研究提出基于大语言模型的文本到音乐生成模型TuneGenie，借助LLM的文本推理能力分析个人音乐偏好并生成适配Suno AI的提示词，同时开发了同类模型的评估与基准测试方法，为AI艺术生成研究提供新支撑。
2025-06-10 cs.MA cs.SD eess.AS
Optimal Embedding Calibration for Symbolic Music Similarity
Central Conservatory of Music（中央音乐学院）；Tsinghua University（清华大学）
在自然语言处理（NLP）中，语义相似性任务需要大规模、高质量的人工标注标签进行微调或评估。相比之下，在音乐相似性的情况下，这样的标签是昂贵的收集和很大程度上取决于注释者的艺术偏好。最近的研究表明，嵌入校准技术可以大大提高预训练的语言模型的语义相似度性能，而无需微调。然而，目前还不知道哪种校准方法是最好的，以及可以实现多大的性能改进。为了解决这些问题，我们建议使用作曲家的信息来构建标签自动评估音乐相似性。在这种模式下，我们发现嵌入校准的最佳组合，实现优于基线方法的指标。
2021-09-09 cs.CL cs.SD eess.AS
A Review of Intelligent Music Generation Systems
College of Electric and Information Engineering, Tongji University（同济大学电子与信息工程学院）；Shanghai Conservatory of Music（上海音乐学院）
本文综述了近期智能音乐生成技术，概述其特点与评估方法，比较东西方技术差异，并分析该领域的发展前景。
2023-11-17 cs.AI cs.MM cs.SD
Jamendo-QA: A Large-Scale Music Question Answering Dataset
Department of Artificial Intelligence, Yonsei University（延世大学人工智能系）；MAAP LAB, MODULABS（MODULABS MAAP实验室）；KRAFTON；AI Matics；Department of Media Software, Sungkyul University（顺天大学媒体软件系）
本文提出大规模音乐问答数据集 Jamendo-QA，基于 Jamendo 平台自由许可曲目并由 Qwen-Omni 自动标注，提供音频对齐的问答对与描述，支持监督训练和零样本评估，旨在填补音乐问答数据空白并促进音乐理解、多模态建模与公平评估研究。
2025-09-19 cs.MM cs.SD eess.AS
MIDI-LLaMA: An Instruction-Following Multimodal LLM for Symbolic Music Understanding
SensiLab, Monash University, Australia（Monash大学）；University of Sussex, Brighton, United Kingdom（Sussex大学）；School of Computing and Information Systems, The University of Melbourne, Australia（墨尔本大学计算机与信息系统学院）
MIDI-LLaMA通过结合MusicBERT和Llama-3-8B，实现了对符号音乐的指令遵循理解，显著提升了音乐描述和语义对齐能力。
2026-01-29 cs.MM cs.SD
DECIBEL: Improving Audio Chord Estimation for Popular Music by Alignment and Integration of Crowd-Sourced Symbolic Representations
Utrecht University（乌得勒支大学）
自动和弦估计（ACE）是音乐信息检索（MIR）中的一项基本任务，在音乐演奏和音乐信息检索研究中都有重要的应用。该任务包括分割音乐录音或乐谱，并为每个片段分配和弦标签。虽然ACE已经成为MIREX年度基准评估的一项任务超过10年，但ACE尚未成为一个解决的问题，因为性能停滞不前，现代系统已经开始根据主观训练数据调整自己。我们提出DECIBEL，一个新的ACE系统，利用广泛可用的标签和标签表示，以提高ACE从音频。DECIBEL首先从对应于同一流行音乐歌曲的音频文件和一组MIDI和Tab文件中估计和弦序列。对于音频，使用最先进的音频ACE方法。将音频文件与音频对齐，然后执行重和弦估计步骤。标签文件被转换成不计时的和弦序列，然后与音频对齐。接下来，DECIBEL使用数据融合将所有估计的和弦序列集成到一个最终输出序列中。DECIBEL将所有经过测试的最先进的ACE方法平均提高了3%以上。这一结果表明，从异构的符号音乐表示的音乐知识的整合是一个合适的策略，解决具有挑战性的MIR任务，如ACE。
2020-02-22 cs.MM cs.SD eess.AS
Musical Score Following and Audio Alignment
Imperial College London（伦敦帝国学院）
实时跟踪乐谱上音乐表演的位置，即乐谱跟随，在音乐练习、表演和制作中可以是有用的。这种技术的示例应用包括计算机辅助伴奏和自动翻页。分数跟踪是一项具有挑战性的任务，特别是当考虑到由于错误或表达选择而导致的表现数据与分数的偏差时。在这个项目中，广泛的研究，目前在该领域的第一个探索之前，两个开源的评价测试平台的分数以下-一个定量和其他定性-介绍。提出了一种获取定量测试台数据的新方法，并介绍了用于定性基准测试的QualScofo数据集。随后，实现了三个不同的分数跟随器，每个分数跟随器属于不同的类。首先，创建一个交互式指挥应用程序的基于节拍的追随者-TuneApp Conductor-以演示乐谱追随的娱乐应用程序。然后，一个近似字符串匹配（ASM）的非实时跟踪器的实现，以补充定量测试平台，并提供更多的技术背景下的分数以下的细节。最后，恒定Q变换（CQT）的动态时间规整（DTW）的分数跟随器强大的主要挑战，在分数以下（如复调音乐和性能偏差）的概述和实施，它表明，这种基于CQT的方法一致，并显着优于常用的FFT为基础的方法，在提取音频功能的分数以下。
2022-05-06 cs.SD eess.AS
Echoes: A semantically-aligned music deepfake detection dataset
National University of Science and Technology POLITEHNICA Bucharest（波兰亚西夫技术大学布加勒斯特分校）；Fraunhofer AISEC（弗劳恩霍夫信息安全研究所）
Echoes数据集通过语义对齐提升音乐深度伪造检测的鲁棒性，证明提供者多样性与语义对齐能提升检测能力。
2026-07-17 cs.AI cs.SD eess.AS
FLUX that Plays Music
Kunlun Inc.（昆仑公司）
本文提出FluxMusic，将基于扩散的整流流Transformer扩展至文本到音乐生成，通过优化架构和双重流处理机制，显著优于已有扩散方法。
2024-12-20 cs.CV cs.SD eess.AS
Interactive Melody Generation System for Enhancing the Creativity of Musicians
Tokyo City University（东京城市大学）
本研究提出集成多个RNN模型的交互式旋律生成系统，可基于用户反馈适配创作意图，经不同背景作曲家实验验证能促进音乐创造力，为AI辅助作曲与协作艺术探索提供新工具。
2024-03-06 cs.AI cs.HC cs.SD
Tag2Risk: Harnessing Social Music Tags for Characterizing Depression Risk
International Institute of Information Technology, Hyderabad（印度海得拉巴国际信息技术学院）；University of Jyväskylä（于韦斯屈莱大学）
音乐偏好被认为是自我的一面镜子。在这个大数据时代，在线音乐流媒体服务使我们能够捕捉生态上有效的音乐收听行为，并提供丰富的信息来源来识别几个用户特定的方面。研究表明，音乐参与是内部状态的间接表征，包括内化的抑郁症和抑郁症。目前的研究旨在揭示有抑郁风险的个体的模式和趋势，因为它表现在自然发生的音乐听行为中。获得了Last.fm用户（N=541）的心理健康评分、音乐参与度和收听历史。分析与每个听众最受欢迎的曲目相关联的社交标签，以挖掘与用户相关联的情绪/情感和流派。结果显示，社会标签中流行的抑郁症风险的用户主要是与描绘悲伤的情绪与流派标签代表新迷幻，前卫，dream-pop.这项研究将开辟途径，一个基于MIR的方法来表征和预测抑郁症的风险，可以帮助早期检测，并提供相应的音乐推荐设计的基础。
2020-07-26 cs.IR cs.MM cs.SD
Exploiting Negative Preference in Content-based Music Recommendation with Contrastive Learning
Seoul National University（首尔国立大学）
随着机器学习的发展，先进的音乐推荐系统正在被引入。然而，设计一个音乐推荐系统，能够通过理解用户的音乐品味来提高用户满意度，而不是通过模型的复杂性来提高用户满意度是至关重要的。尽管一些与利用负面偏好的音乐推荐系统相关的研究表明了性能的改善，但缺乏对它们如何导致更好的推荐的解释。在这项工作中，我们分析了用户的音乐品味的负面偏好的作用，通过比较音乐推荐模型与对比学习利用偏好（CLEP），但有三种不同的训练策略-利用偏好的积极和消极的（CLEP-PN），积极的（CLEP-P），和消极的（CLEP-N）。我们评估的有效性，通过验证每个系统与少量的个性化数据，通过调查获得的负面偏好，并进一步阐明利用负面偏好的音乐推荐的可能性。实验结果表明，CLEP-N在准确率和误报率方面优于其他两种方法。此外，所提出的训练策略产生了一致的趋势，无论不同类型的前端音乐特征提取器，证明了所提出的方法的稳定性。
2022-07-28 cs.IR cs.LG
Time-Aware Music Recommender Systems: Modeling the Evolution of Implicit User Preferences and User Listening Habits in A Collaborative Filtering Approach
University of Salamanca（萨拉曼卡大学）；Illinois Institute of Technology（伊利诺伊理工大学）
在线流媒体服务已成为最流行的听音乐的方式。这些服务中的大多数都具有推荐机制，可以帮助用户从大量可用的音乐中发现他们可能感兴趣的歌曲和艺术家。然而，许多是不可靠的，因为它们可能没有考虑到上下文方面或不断发展的用户行为。因此，有必要开发考虑这些方面的系统。在音乐领域，时间是影响用户偏好和管理其效果的最重要因素之一，也是本文提出的工作背后的动机。这里，检查关于何时播放歌曲的时间信息。其目的是模拟用户偏好的演变形式的演变隐式评级和用户收听行为。在这项工作中提出的协同过滤方法，日常收听习惯被捕获，以表征用户，并为他们提供更可靠的建议。验证结果表明，该方法在生成上下文感知和上下文无关的推荐方面都优于其他方法
2020-08-26 cs.IR cs.LG
"More Than Words": Linking Music Preferences and Moral Values Through Lyrics
Queen Mary University of London（伦敦玛丽女王大学）；ISI Foundation（ISI基金会）
本研究通过机器学习分析1,386名用户偏好艺术家的歌词特征，发现歌词能有效推断道德价值观，且等级和传统美德的预测力高于同理心与平等。
2022-09-02 cs.CL cs.CY cs.LG
Exploiting Device and Audio Data to Tag Music with User-Aware Listening Contexts
LTCI, Télécom Paris, Institut Polytechnique de Paris（巴黎理工学院巴黎电信学院LTCI）；Deezer Research（Deezer研究院）
随着音乐变得越来越可用，特别是在音乐流媒体平台上，人们开始有不同的偏好来适应他们不同的收听情况，也称为上下文。因此，在向用户推荐音乐时考虑用户的情况的兴趣越来越大。以前的作品已经提出了用户感知的自动标记器来推断音乐内容和用户的全球收听偏好的情况相关的标签。然而，在实际的音乐检索系统中，自动标记器只能通过假设上下文类由用户显式提供来使用。在这项工作中，为设计一个全自动的音乐检索系统，我们建议从他们的流数据中消除用户的收听信息的歧义。也就是说，我们提出了一种系统，该系统可以1）通过利用用户感知的音乐自动标记器，以及2）通过从流数据（例如，设备、网络）和用户的一般简档信息（例如，年龄）自动推断用户的情况，在某个时间为用户生成情景播放列表。实验表明，这种上下文感知的个性化音乐检索系统是可行的，但在新用户、新曲目或上下文类数目增加的情况下，检索性能会有所下降。
2022-11-14 cs.LG cs.SD eess.AS
Affective Music Recommendation: A Rollout-Based World Model for Offline Preference Optimization
LUCID Inc. Toronto Canada；LUCID Inc. Montr\' e al Canada；Mila --- Qu\' e bec AI Institute Montr\' e al Canada；LUCID Inc.；Mila --- Qu\' e bec AI Institute
针对在线情感实验受伦理限制的问题，提出基于展开世界模型的情感音乐推荐系统AMRS，利用因果Transformer预测用户情感状态，并通过离线偏好优化提升推荐效果。
2026-05-27 cs.IR cs.LG cs.SD
Exploration in Interactive Personalized Music Recommendation: A Reinforcement Learning Approach
National University of Singapore（新加坡国立大学）；Institute of High Performance Computing, A*STAR（新加坡科技研究局高性能计算研究所）
当前的音乐推荐系统通常通过推荐具有最高用户评级的歌曲来以贪婪的方式起作用。然而，贪婪的推荐从长远来看是次优的：它不会主动收集用户偏好的信息，也不会推荐可能感兴趣的新颖歌曲。一个成功的推荐系统必须平衡探索用户偏好和利用这些信息进行推荐的需求。本文提出了一种新的音乐推荐方法，将这种探索-利用权衡公式化为一种称为多臂强盗的强化学习任务。为了学习用户偏好，它使用贝叶斯模型，该模型考虑了音频内容和推荐的新颖性。采用分段线性近似模型和变分推理算法来加快贝叶斯推理。我们的方法的另一个好处是音乐推荐和播放列表生成的单一统一模型。模拟结果和用户研究表明，新方法的强大潜力。
2013-11-06 cs.IR cs.LG cs.MM
APEX: Large-scale Multi-task Aesthetic-Informed Popularity Prediction for AI-Generated Music
AMAAI Lab, Singapore University of Technology and Design（新加坡科技设计大学AMAAI实验室）
提出APEX框架，利用MERT音频嵌入联合预测AI生成音乐的流行度指标与五维美学质量，在Music Arena数据集上验证了美学特征对偏好预测的泛化能力。
2026-06-05 cs.AI cs.LG cs.MM
