論文の概要: AI-Assisted Music Production: A User Study on Text-to-Music Models

• arxiv url: http://arxiv.org/abs/2509.23364v1
• Date: Sat, 27 Sep 2025 15:23:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.183952
• Title: AI-Assisted Music Production: A User Study on Text-to-Music Models
• Title（参考訳）: AIによる音楽制作支援 : テキスト・ツー・ミュージック・モデルを用いたユーザ・スタディ
• Authors: Francesca Ronchini, Luca Comanducci, Simone Marcucci, Fabio Antonacci,
• Abstract要約: 本稿では,TTMモデルが音楽制作にどう影響するかのケーススタディを提案する。 参加者はTTMとソース分離モデルを組み合わせたカスタムツールを使用してトラックを生成する。 この発見は、音楽制作におけるTTMの変革の可能性や、実際の統合における課題に関する洞察を提供する。
• 参考スコア（独自算出の注目度）: 14.791488041020214
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-music models have revolutionized the creative landscape, offering new possibilities for music creation. Yet their integration into musicians workflows remains underexplored. This paper presents a case study on how TTM models impact music production, based on a user study of their effect on producers creative workflows. Participants produce tracks using a custom tool combining TTM and source separation models. Semi-structured interviews and thematic analysis reveal key challenges, opportunities, and ethical considerations. The findings offer insights into the transformative potential of TTMs in music production, as well as challenges in their real-world integration.
• Abstract（参考訳）: テキストから音楽へのモデルは創造的な景観に革命をもたらし、音楽制作の新しい可能性を提供してきた。 しかし、ミュージシャンのワークフローへの統合は未定だ。 本稿では,TTMモデルが音楽制作にどう影響するかのケーススタディを,プロデューサーの創造的ワークフローに与える影響のユーザスタディに基づいて提示する。 参加者はTTMとソース分離モデルを組み合わせたカスタムツールを使用してトラックを生成する。 半構造化されたインタビューとテーマ分析は、重要な課題、機会、倫理的考察を明らかにする。 この発見は、音楽制作におけるTTMの変革の可能性や、実際の統合における課題に関する洞察を提供する。

関連論文リスト

• No Encore: Unlearning as Opt-Out in Music Generation [21.703228676087367]
  本稿では,創造的コンテンツの不注意な使用を防ぐために,機械学習技術の初回適用に関する予備的結果を示す。 モデル性能を損なうことなく、未学習の事前学習データセットにおけるそれらの有効性を分析する。
  論文  参考訳（メタデータ） (2025-09-08T01:56:51Z)
• Detecting Musical Deepfakes [0.0]
  本研究では,FakeMusicCapsデータセットを用いたAI生成楽曲の検出について検討した。 実世界の逆境条件をシミュレートするため, テンポストレッチとピッチシフトをデータセットに適用した。 メルスペクトログラムは、修正されたオーディオから生成され、その後、畳み込みニューラルネットワークのトレーニングと評価に使用された。
  論文  参考訳（メタデータ） (2025-05-03T21:45:13Z)
• Composers' Evaluations of an AI Music Tool: Insights for Human-Centred Design [4.112909937203119]
  本稿では,音楽作曲のためのジェネレーティブAI(GenAI)ツールの開発において,ユーザ中心設計が果たす役割について考察する。 私たちは、変化を生み出すための新しい生成モデルについての洞察を集め、信頼、透明性、倫理的デザインに関する懸念を強調しました。
  論文  参考訳（メタデータ） (2024-12-14T20:56:23Z)
• AI TrackMate: Finally, Someone Who Will Give Your Music More Than Just "Sounds Great!" [4.886175454381699]
  本フレームワークでは,音楽分析モジュール,LCM可読音楽レポート,音楽制作指向フィードバック指導を統合した。 AI機能を独立したプロデューサのニーズに合わせてブリッジすることで、AI TrackMateはオンデマンドの分析フィードバックを提供する。 本システムは,独立系音楽制作の進化にともなう客観的自己評価ツールの需要の増大に対処する。
  論文  参考訳（メタデータ） (2024-12-09T16:09:44Z)
• Foundation Models for Music: A Survey [77.77088584651268]
  ファンデーションモデル(FM)は音楽を含む様々な分野に大きな影響を与えている。 本総説では,音楽の事前学習モデルと基礎モデルについて概観する。
  論文  参考訳（メタデータ） (2024-08-26T15:13:14Z)
• MuPT: A Generative Symbolic Music Pretrained Transformer [56.09299510129221]
  音楽の事前学習におけるLarge Language Models (LLM) の適用について検討する。 生成過程の異なるトラックからの不整合対策に関連する課題に対処するために,SMT-ABC Notation(Synchronized Multi-Track ABC Notation)を提案する。 私たちのコントリビューションには、最大8192個のトークンを処理可能な一連のモデルが含まれており、トレーニングセットの象徴的な音楽データの90%をカバーしています。
  論文  参考訳（メタデータ） (2024-04-09T15:35:52Z)

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。