論文の概要: Synthetic Lyrics Detection Across Languages and Genres
- arxiv url: http://arxiv.org/abs/2406.15231v2
- Date: Tue, 17 Dec 2024 20:50:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-19 16:47:18.947693
- Title: Synthetic Lyrics Detection Across Languages and Genres
- Title（参考訳）: 言語と遺伝子間の合成歌詞検出
- Authors: Yanis Labrak, Markus Frohmann, Gabriel Meseguer-Brocal, Elena V. Epure,
- Abstract要約: 音楽コンテンツ、特に歌詞を生成する大きな言語モデル(LLM)が人気を集めている。
これまで様々な領域におけるコンテンツ検出について研究されてきたが、音楽における歌詞のモダリティに焦点を当てた研究は行われていない。
我々は、複数の言語、音楽ジャンル、アーティストのリアルとシンセサイザーの多様なデータセットをキュレートした。
- 参考スコア（独自算出の注目度）: 4.987546582439803
- License:
- Abstract: In recent years, the use of large language models (LLMs) to generate music content, particularly lyrics, has gained in popularity. These advances provide valuable tools for artists and enhance their creative processes, but they also raise concerns about copyright violations, consumer satisfaction, and content spamming. Previous research has explored content detection in various domains. However, no work has focused on the modality of lyrics in music. To address this gap, we curated a diverse dataset of real and synthetic lyrics from multiple languages, music genres, and artists. The generation pipeline was validated using both humans and automated methods. We conducted a comprehensive evaluation of existing synthetic text detection features on this novel data type. Additionally, we explored strategies to adjust the best feature for lyrics using unsupervised adaptation. Adhering to constraints of our application domain, we investigated cross-lingual generalization, data scalability, robustness to language combinations, and the impact of genre novelty in a few-shot detection scenario. Our findings show promising results within language families and similar genres, yet challenges persist with lyrics in languages that exhibit distinct semantic structures.
- Abstract（参考訳）: 近年,大規模な言語モデル(LLM)による音楽コンテンツ,特に歌詞の生成が人気を博している。
これらの進歩は、アーティストにとって貴重なツールを提供し、創造的なプロセスを強化するだけでなく、著作権侵害、消費者満足度、コンテンツスパムに対する懸念も引き起こす。
これまでの研究では、様々な領域におけるコンテンツ検出が研究されている。
しかし、音楽における歌詞のモダリティに焦点を当てた作品はない。
このギャップに対処するため、複数の言語、音楽ジャンル、アーティストのリアルとシンセサイザーの多様なデータセットをキュレートした。
生成パイプラインは人間と自動化された方法の両方を用いて検証された。
本研究では,この新たなデータ型を用いた既存の合成テキスト検出機能について総合的な評価を行った。
さらに、教師なし適応を用いて、歌詞の最適な特徴を調整するための戦略についても検討した。
アプリケーション領域の制約を順守し、言語間一般化、データのスケーラビリティ、言語の組み合わせに対する堅牢性、そして数ショット検出シナリオにおけるジャンルの新規性の影響について検討した。
本研究は,言語家族や類似のジャンルにおいて有望な結果を示すものであるが,異なる意味構造を示す言語では,歌詞が持続する。
関連論文リスト
- SongCreator: Lyrics-based Universal Song Generation [53.248473603201916]
SongCreatorは、声楽と伴奏の両方で曲を生成するという課題に取り組むために設計された曲生成システムである。
モデルには2つの新しいデザインがある: ボーカルの情報と伴奏を収録するための巧妙に設計された二重系列言語モデル (M) と、DSLMのための一連の注意マスク戦略である。
実験では,8つのタスクすべてに対して,最先端ないし競争的なパフォーマンスを実現することにより,SongCreatorの有効性を示す。
論文 参考訳（メタデータ） (2024-09-09T19:37:07Z) - Multi-task Prompt Words Learning for Social Media Content Generation [8.209163857435273]
マルチモーダル情報融合に基づく新しい単語生成フレームワークを提案する。
一連のプロンプト単語を含むテンプレートを用いて、ChatGPTを誘導し、高品質なツイートを生成する。
コンテンツ生成分野における効果的な客観的評価基準がない場合には、ChatGPTツールを用いてアルゴリズムが生成した結果を評価する。
論文 参考訳（メタデータ） (2024-07-10T15:46:32Z) - Exploring the Efficacy of Pre-trained Checkpoints in Text-to-Music
Generation Task [86.72661027591394]
テキスト記述から完全で意味論的に一貫したシンボリック音楽の楽譜を生成する。
テキスト・音楽生成タスクにおける自然言語処理のための公開チェックポイントの有効性について検討する。
実験結果から, BLEUスコアと編集距離の類似性において, 事前学習によるチェックポイントの使用による改善が統計的に有意であることが示唆された。
論文 参考訳（メタデータ） (2022-11-21T07:19:17Z) - Bridging Music and Text with Crowdsourced Music Comments: A
Sequence-to-Sequence Framework for Thematic Music Comments Generation [18.2750732408488]
我々はクラウドソースの音楽コメントを利用して新しいデータセットを構築し,音楽のテキスト記述を生成するシーケンス・ツー・シーケンス・モデルを提案する。
生成したテキストの信頼性とテーマ性を高めるために,識別器と新しい話題評価器を提案する。
論文 参考訳（メタデータ） (2022-09-05T14:51:51Z) - 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) - Sentiment analysis in tweets: an assessment study from classical to
modern text representation models [59.107260266206445]
Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。
非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。
本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
論文 参考訳（メタデータ） (2021-05-29T21:05:28Z) - A General Framework for Learning Prosodic-Enhanced Representation of Rap
Lyrics [21.944835086749375]
ラップ歌詞の学習と分析は、多くのWebアプリケーションにとって重要な基礎です。
階層型注目変動オートエンコーダフレームワーク(HAVAE)を提案する。
様々な特徴を適切に統合し,韻律強調表現を生成する特徴集約戦略を提案する。
論文 参考訳（メタデータ） (2021-03-23T15:13:21Z) - A Comprehensive Survey on Deep Music Generation: Multi-level
Representations, Algorithms, Evaluations, and Future Directions [10.179835761549471]
本稿では,深層学習を用いた音楽生成レベルの違いによる様々な作曲課題の概要について述べる。
さらに,多様なタスクに適したデータセットを要約し,音楽表現,評価方法,および異なるレベルの課題について考察し,最後にいくつかの今後の方向性を指摘する。
論文 参考訳（メタデータ） (2020-11-13T08:01:20Z) - 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) - A Survey of Knowledge-Enhanced Text Generation [81.24633231919137]
テキスト生成の目標は、機械を人間の言語で表現できるようにすることである。
入力テキストを出力テキストにマッピングすることを学ぶことで、目的を達成するために、様々なニューラルエンコーダデコーダモデルが提案されている。
この問題に対処するために、研究者は入力テキスト以外の様々な種類の知識を生成モデルに組み込むことを検討してきた。
論文 参考訳（メタデータ） (2020-10-09T06:46:46Z)
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。