論文の概要: In BLOOM: Creativity and Affinity in Artificial Lyrics and Art
- arxiv url: http://arxiv.org/abs/2301.05402v1
- Date: Fri, 13 Jan 2023 06:22:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 14:07:43.658270
- Title: In BLOOM: Creativity and Affinity in Artificial Lyrics and Art
- Title(参考訳): BLOOM:人工歌詞とアートの創造性と親和性
- Authors: Evan Crothers, Herna Viktor, Nathalie Japkowicz
- Abstract要約: 我々は、中国語の歌詞のオープンな世代に大規模な多言語言語モデル(BLOOM-176B)を適用した。
人間のレビュアーを用いたコヒーレンス・クリエイティビティのための歌詞の評価を行った。
今後の研究のために,人気のある歌詞の中国語データセットであるMojimLyricsデータセットを紹介した。
- 参考スコア(独自算出の注目度): 6.978441815839558
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We apply a large multilingual language model (BLOOM-176B) in open-ended
generation of Chinese song lyrics, and evaluate the resulting lyrics for
coherence and creativity using human reviewers. We find that current
computational metrics for evaluating large language model outputs (MAUVE) have
limitations in evaluation of creative writing. We note that the human concept
of creativity requires lyrics to be both comprehensible and distinctive -- and
that humans assess certain types of machine-generated lyrics to score more
highly than real lyrics by popular artists. Inspired by the inherently
multimodal nature of album releases, we leverage a Chinese-language stable
diffusion model to produce high-quality lyric-guided album art, demonstrating a
creative approach for an artist seeking inspiration for an album or single.
Finally, we introduce the MojimLyrics dataset, a Chinese-language dataset of
popular song lyrics for future research.
- Abstract(参考訳): 我々は,中国語の歌詞のオープンな生成に大規模な多言語言語モデル(BLOOM-176B)を適用し,人間のレビュアーによる一貫性と創造性を評価する。
大規模言語モデル出力(MAUVE)を評価するための現在の計算量には,創造的記述の評価に制限があることがわかった。
クリエイティビティの人間的概念では、歌詞は理解可能かつ独特であり、人間は特定の種類の機械によって生成された歌詞を評価し、人気アーティストの実際の歌詞よりも高いスコアを付ける必要がある。
アルバムリリースの本質的にマルチモーダルな性質にインスパイアされた我々は、中国語の安定拡散モデルを利用して高品質な歌詞誘導アルバムアートを作成し、アルバムやシングルのインスピレーションを求めるアーティストにとって創造的なアプローチを示す。
最後に,今後の研究のために,人気歌詞の中国語データセットであるMojimLyricsデータセットを紹介する。
関連論文リスト
- SongComposer: A Large Language Model for Lyric and Melody Composition in
Song Generation [88.33522730306674]
SongComposerは、シンボリックな歌の表現でメロディーや歌詞を理解し、生成することができた。
我々は、人間が音楽のためにデザインした成熟した効率的な方法である象徴的な歌の表現に頼っている。
広範な実験により、SongComposerは、歌詞からメロディ生成、メロディから歌詞への生成、歌の継続、テキストから歌への生成において優れたパフォーマンスを示す。
論文 参考訳(メタデータ) (2024-02-27T16:15:28Z) - Sudowoodo: a Chinese Lyric Imitation System with Source Lyrics [10.99860269567001]
原文の歌詞に基づいて新しい歌詞を生成することができる中国語の歌詞模倣システムであるtextbftextitSudowoodoを紹介した。
推論過程において,生成した歌詞をフィルタ・ランク付けし,高品質な歌詞を選択するために,後処理モジュールを利用する。
人間の評価結果は,我々のフレームワークがより優れた歌詞の模倣を行うことができることを示している。
論文 参考訳(メタデータ) (2023-08-09T02:12:04Z) - LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by
Whispering to ChatGPT [70.75170078517284]
リリックウィズ(LyricWhiz)は、頑健で、多言語で、ゼロショットの自動歌詞書き起こし方式である。
我々は、弱教師付き頑健な音声認識モデルであるWhisperと、今日の最もパフォーマンスの高いチャットベースの大規模言語モデルであるGPT-4を使用している。
実験の結果,LyricWhizは英語の既存手法に比べて単語誤り率を大幅に低下させることがわかった。
論文 参考訳(メタデータ) (2023-06-29T17:01:51Z) - Unsupervised Melody-to-Lyric Generation [91.29447272400826]
本稿では,メロディ・歌詞データを学習することなく高品質な歌詞を生成する手法を提案する。
我々は、メロディと歌詞のセグメンテーションとリズムアライメントを利用して、与えられたメロディをデコード制約にコンパイルする。
我々のモデルは、強いベースラインよりもオントピー的、歌いやすく、知性があり、一貫性のある高品質な歌詞を生成することができる。
論文 参考訳(メタデータ) (2023-05-30T17:20:25Z) - Unsupervised Melody-Guided Lyrics Generation [84.22469652275714]
メロディと歌詞の一致したデータを学習することなく、楽しく聴ける歌詞を生成することを提案する。
メロディと歌詞間の重要なアライメントを活用し、与えられたメロディを制約にコンパイルし、生成プロセスを導く。
論文 参考訳(メタデータ) (2023-05-12T20:57:20Z) - SongRewriter: A Chinese Song Rewriting System with Controllable Content
and Rhyme Scheme [32.60994266892925]
メロディ構成の知識を必要とせずにユーザを支援する制御可能な中国語歌詞生成・編集システムを提案する。
このシステムはランダム化されたマルチレベルマスキング戦略によって訓練され、完全に新しい歌詞を生成したり、いくつかの断片を編集するための統一モデルを生成する。
論文 参考訳(メタデータ) (2022-11-28T03:52:05Z) - Youling: an AI-Assisted Lyrics Creation System [72.00418962906083]
本稿では,AIによる歌詞作成システムである textitYouling について紹介する。
歌詞生成プロセスでは、textitYoulingは従来の1パスのフルテキスト生成モードとインタラクティブな生成モードをサポートする。
システムは、ユーザーが望まない文や歌詞の言葉を繰り返し修正できるリビジョンモジュールも提供する。
論文 参考訳(メタデータ) (2022-01-18T03:57:04Z) - Say What? Collaborative Pop Lyric Generation Using Multitask Transfer
Learning [0.9449650062296822]
本稿では,T5トランスモデルを用いたトランスファーラーニングを利用したラインレベルのライリック生成システムを提案する。
我々は、韻律、ラインビート要求のマッチング、特定のターゲット語で行を終端するといった、叙情的・スタイリスティックなタスクを学習できるモデルを開発する。
論文 参考訳(メタデータ) (2021-11-15T08:13:26Z) - Melody-Conditioned Lyrics Generation with SeqGANs [81.2302502902865]
本稿では,SeqGAN(Sequence Generative Adversarial Networks)に基づく,エンドツーエンドのメロディ条件付き歌詞生成システムを提案する。
入力条件が評価指標に悪影響を及ぼすことなく,ネットワークがより有意義な結果が得られることを示す。
論文 参考訳(メタデータ) (2020-10-28T02:35:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。