論文の概要: Bias beyond Borders: Global Inequalities in AI-Generated Music

• arxiv url: http://arxiv.org/abs/2510.01963v1
• Date: Thu, 02 Oct 2025 12:33:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 14:32:17.273963
• Title: Bias beyond Borders: Global Inequalities in AI-Generated Music
• Title（参考訳）: 国境を越えたバイアス:AI生成音楽のグローバルな不平等
• Authors: Ahmet Solak, Florian Grötschla, Luca A. Lanzendörfer, Roger Wattenhofer,
• Abstract要約: GlobalDISCOは、最先端の商用生成音楽モデルによって生成される73k曲からなる大規模なデータセットである。 データセットは147言語で、MusicBrainzとWikipediaから抽出された音楽スタイルのプロンプトを含んでいる。 データセットは世界的なバランスが取れており、79か国、5大陸のアーティストたちの音楽スタイルを表している。
• 参考スコア（独自算出の注目度）: 39.80452596611506
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While recent years have seen remarkable progress in music generation models, research on their biases across countries, languages, cultures, and musical genres remains underexplored. This gap is compounded by the lack of datasets and benchmarks that capture the global diversity of music. To address these challenges, we introduce GlobalDISCO, a large-scale dataset consisting of 73k music tracks generated by state-of-the-art commercial generative music models, along with paired links to 93k reference tracks in LAION-DISCO-12M. The dataset spans 147 languages and includes musical style prompts extracted from MusicBrainz and Wikipedia. The dataset is globally balanced, representing musical styles from artists across 79 countries and five continents. Our evaluation reveals large disparities in music quality and alignment with reference music between high-resource and low-resource regions. Furthermore, we find marked differences in model performance between mainstream and geographically niche genres, including cases where models generate music for regional genres that more closely align with the distribution of mainstream styles.
• Abstract（参考訳）: 近年では音楽生成モデルの顕著な進歩が見られるが、国、言語、文化、音楽ジャンルにまたがる偏見の研究はいまだに過小評価されている。 このギャップは、グローバルな音楽の多様性を捉えるデータセットとベンチマークの欠如によって複雑化している。 これらの課題に対処するために,現在最先端の商用生成音楽モデルによって生成された73k曲からなる大規模データセットであるGlobalDISCOと,LAION-DISCO-12Mにおける93k曲へのペアリンクを紹介する。 データセットは147言語で、MusicBrainzとWikipediaから抽出された音楽スタイルのプロンプトを含んでいる。 データセットは世界的なバランスが取れており、79か国、5大陸のアーティストたちの音楽スタイルを表している。 評価の結果,高リソース領域と低リソース領域の楽曲品質と基準音楽との整合性に大きな差異が認められた。 さらに、主流ジャンルと地理的にニッチなジャンルのモデルパフォーマンスに顕著な違いがあることを見出した。

関連論文リスト

• Music for All: Representational Bias and Cross-Cultural Adaptability of Music Generation Models [13.568559786822457]
  本稿では,音楽生成のためのデータセットと研究論文について述べる。 既存の音楽データセットの合計時間のうち、西洋以外のジャンルから得られる時間はわずか5.7%である。
  論文  参考訳（メタデータ） (2025-02-11T07:46:29Z)
• Missing Melodies: AI Music Generation and its "Nearly" Complete Omission of the Global South [14.147521533363028]
  我々はAI音楽生成研究に使用される100万時間以上の音声データセットの分析を行った。 我々は,AI研究において,グローバル・サウスの音楽ジャンルの公平な表現と包括性において重要なギャップを見出した。 これらのデータセットの約40%には、西洋音楽以外の形態が含まれており、グローバル・サウスのジャンルは14.6%に過ぎない。
  論文  参考訳（メタデータ） (2024-12-05T12:10:42Z)
• MARBLE: Music Audio Representation Benchmark for Universal Evaluation [79.25065218663458]
  我々は,UniversaL Evaluation(MARBLE)のための音楽音響表現ベンチマークを紹介する。 音響、パフォーマンス、スコア、ハイレベルな記述を含む4つの階層レベルを持つ包括的分類を定義することで、様々な音楽情報検索(MIR)タスクのベンチマークを提供することを目的としている。 次に、8つの公開データセット上の14のタスクに基づいて統一されたプロトコルを構築し、ベースラインとして音楽録音で開発されたすべてのオープンソース事前学習モデルの表現を公平かつ標準的に評価する。
  論文  参考訳（メタデータ） (2023-06-18T12:56:46Z)
• A Dataset for Greek Traditional and Folk Music: Lyra [69.07390994897443]
  本稿では,80時間程度で要約された1570曲を含むギリシャの伝統音楽と民俗音楽のデータセットについて述べる。 このデータセットにはYouTubeのタイムスタンプ付きリンクが組み込まれており、オーディオやビデオの検索や、インスツルメンテーション、地理、ジャンルに関する豊富なメタデータ情報が含まれている。
  論文  参考訳（メタデータ） (2022-11-21T14:15:43Z)

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。