論文の概要: CoLyricist: Enhancing Lyric Writing with AI through Workflow-Aligned Support

• arxiv url: http://arxiv.org/abs/2602.22606v1
• Date: Thu, 26 Feb 2026 04:26:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.523597
• Title: CoLyricist: Enhancing Lyric Writing with AI through Workflow-Aligned Support
• Title（参考訳）: CoLyricist: ワークフロー指向サポートによるAIによる歌詞記述の強化
• Authors: Masahiro Yoshida, Bingxuan Li, Songyan Zhao, Qinyi Zhou, Shiwei Hu, Xiang Anthony Chen, Nanyun Peng,
• Abstract要約: CoLyricistは、経験豊富な作詞家の典型をサポートするように設計されたAI支援の歌詞記述ツールである。 経験者,初級者ともに16名を対象にユーザスタディを行った。
• 参考スコア（独自算出の注目度）: 45.45696712374061
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose CoLyricist, an AI-assisted lyric writing tool designed to support the typical workflows of experienced lyricists and enhance their creative efficiency. While lyricists have unique processes, many follow common stages. Tools that fail to accommodate these stages challenge integration into creative practices. Existing research and tools lack sufficient understanding of these songwriting stages and their associated challenges, resulting in ineffective designs. Through a formative study involving semi-structured interviews with 10 experienced lyricists, we identified four key stages: Theme Setting, Ideation, Drafting Lyrics, and Melody Fitting. CoLyricist addresses these needs by incorporating tailored AI-driven support for each stage, optimizing the lyric writing process to be more seamless and efficient. To examine whether this workflow-aligned design also benefits those without prior experience, we conducted a user study with 16 participants, including both experienced and novice lyricists. Results showed that CoLyricist enhances the songwriting experience across skill levels. Novice users especially appreciated the Melody-Fitting feature, while experienced users valued the Ideation support.
• Abstract（参考訳）: 我々は、経験豊富な作詞家の典型的なワークフローをサポートし、その創造的効率を高めるために設計されたAI支援の歌詞記述ツールであるCoLyricistを提案する。 作詞家は独自のプロセスを持っているが、多くは一般的な段階に従う。 これらのステージに対応できないツールは、創造的なプラクティスへの統合に挑戦します。 既存の研究やツールには、これらの曲の書き起こしステージとその関連する課題が十分に理解されていないため、設計に効果がない。 10人の経験豊富な作詞家との半構造化インタビューを含むフォーマティブな研究を通じて、テーマ設定、理想設定、ドラフト歌詞、メロディフィッティングの4つの重要なステージを特定した。 CoLyricistは、各ステージにAI駆動のサポートを組み込むことによって、これらのニーズに対処し、よりシームレスで効率的な歌詞記述プロセスを最適化する。 このワークフロー・アライメント・デザインが,経験のない人にも有益かどうかを検討するため,経験者および初心者の作詞家を含む16人の参加者を対象に,ユーザスタディを行った。 その結果,CoLyricistはスキルレベルを越えた曲書き体験を向上することがわかった。 初心者は特にMelody-Fitting機能に感謝し、経験豊富なユーザーはIdealtionのサポートを高く評価した。

関連論文リスト

• SongSage: A Large Musical Language Model with Lyric Generative Pre-training [69.52790104805794]
  SongSageは、多種多様な歌詞中心のインテリジェンスを備えた大規模な音楽モデルである。 SongSageは歌詞中心の知識を強く理解し、ゼロショットプレイリストのレコメンデーションのためにユーザークエリを書き直し、歌詞を効果的に生成し、継続し、7つの追加機能で巧みに実行する。
  論文  参考訳（メタデータ） (2026-01-03T10:54:37Z)
• "It was 80% me, 20% AI": Seeking Authenticity in Co-Writing with Large Language Models [97.22914355737676]
  我々は、AIツールと共同で書き込む際に、著者が自分の真正な声を保存したいかどうか、どのように検討する。 本研究は,人間とAIの共創における真正性の概念を解明するものである。 読者の反応は、人間とAIの共著に対する関心が低かった。
  論文  参考訳（メタデータ） (2024-11-20T04:42:32Z)
• 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)
• GhostWriter: Augmenting Collaborative Human-AI Writing Experiences Through Personalization and Agency [1.6505331001136512]
  大規模言語モデル (LLM) は、様々な書き手に様々な形式の筆記支援を提供することで、ユビキタスになった。 我々はGhostWriterを紹介した。GhostWriterはAIによって強化されたデザインプローブで、ユーザーは書き込み中に強化されたエージェンシーとパーソナライズを実行できる。
  論文  参考訳（メタデータ） (2024-02-13T23:48:59Z)
• 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)
• Towards Evaluation of Autonomously Generated Musical Compositions: A Comprehensive Survey [0.0]
  自律的に生成された構成のための完全なモデルが必要である。 この構成をもはや評価できない著者にとって、結果として得られる成果のメリットは何ですか? そして、そのような構成をどう評価すればいいのか?
  論文  参考訳（メタデータ） (2022-04-10T19:42:52Z)

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。