論文の概要: An Empirical Analysis of AI Slop in Music Streaming

• arxiv url: http://arxiv.org/abs/2606.18052v1
• Date: Tue, 16 Jun 2026 15:29:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.511505
• Title: An Empirical Analysis of AI Slop in Music Streaming
• Title（参考訳）: 音楽ストリーミングにおけるAIスロープの実証分析
• Authors: Stanley Wu, Josephine Passananti, Viresh Mittal, Wenxin Ding, Haitao Zheng, Ben Y. Zhao,
• Abstract要約: AIミュージックの崩壊が自己維持型シャドウ産業に成長するのを防ぐことができるだろうか? 我々は、音楽におけるAIの傾きの現況と、ストリーミングプラットフォーム上のユーザによる生成、配布、消費からのパイプラインを特徴づける。 ディストリビュータには、AI音楽に対する一貫性がなく、ほとんど強制力のないポリシーがあることに気付きました。
• 参考スコア（独自算出の注目度）: 18.2330254651593
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Generative AI models lower the bar for content creation, making it easy for any user to create professional-looking images, text and music with minimal effort. This has enabled a new cottage industry around creation of "AI slop" mass quantities of mediocre content produced to generate revenue, often through misrepresentation as human-authored content, or scams involving automated scripts and fake consumption. While there are obvious parallels between the AI-slop industry and "traditional" email spam networks, it might be too early to determine if AI slop generation can grow into a similar self-sustaining industry. In this paper, we look specifically at the music industry, and explore the question: Can we prevent AI music slop from growing into a self-sustaining shadow industry? To answer this question, we characterize the current state of AI slop in music, and its pipeline from generation, distribution, and consumption by users on streaming platforms. By examining growth and engagement on Spotify, we confirm that AI music exhibits AI slop characteristics: the overwhelming majority (93%) of AI music receive few, if any listener plays, and are rarely recommended. AI musicians "spray and pray," releasing large volumes of music across multiple genres in hopes of generating a hit. We also explore the AI slop pipeline by generating and publishing our own AI tracks onto streaming through 11 indie music distributors. We find distributors have inconsistent and largely unenforced policies on AI music, making it surprisingly easy to publish mass produced AI songs. Finally, we consider AI music detection, and find that current methods lack accuracy or robustness. As generation costs decrease, we believe slop generation in music will become self-sustainable, unless concrete steps are taken by the music industry. We consider and discuss potential mitigation methods based on our findings.
• Abstract（参考訳）: 生成AIモデルはコンテンツ作成の限界を低くし、どんなユーザーでも最小限の努力でプロっぽい画像、テキスト、音楽を簡単に作成できる。 これにより、収入を生み出すために生産される大量の「AIスロップ」コンテンツの大量生産、しばしば人間が認可したコンテンツの誤表現、あるいは自動スクリプトや偽の消費を含む詐欺といった新しいコテージ産業が実現された。 AIスロープ業界と従来型の電子メールスパムネットワークの間には明らかな類似点があるが、AIスロップ生成が同様の自己持続型産業に成長するかどうかを判断するには早すぎるかもしれない。 本稿では,音楽産業を特に注目し,その課題を探る。AIミュージックの崩壊が,自己維持型シャドウ産業に成長するのを防ぐことができるのか? この質問に答えるために、私たちは、音楽におけるAIの傾きの現況と、ストリーミングプラットフォーム上のユーザによる生成、配布、消費からのパイプラインを特徴付けます。 圧倒的多数(93%)のAI音楽は、もしリスナーが演奏したとしてもほとんど受け入れられず、滅多に推奨されない。 AIミュージシャンは、ヒットを生んだいと願って、複数のジャンルにまたがって大量の音楽をリリースする。 また、私たちのAIトラックを11のインディー・ミュージック・ディストリビュータを通じてストリーミングすることで、AIスロープパイプラインを探索する。 ディストリビュータには、AI音楽に対する一貫性がなく、ほとんど強制されていないポリシーがあることに気付きました。 最後に、AIによる音楽検出について検討し、現在の手法には正確性や堅牢性が欠如していることを見出した。 再生コストが減少するにつれて、音楽業界が具体的なステップを取らない限り、音楽のスロープ生成は自己持続可能になると信じている。 本研究は,本研究の知見に基づく潜在的な緩和手法について考察し,考察する。

関連論文リスト

• HAIM: Human-AI Music Datasets for AI Music Production Tracking Benchmark [1.7034813545878587]
  本稿では,音楽制作の段階において,多様なラベルを持つデータセットであるHAIMを紹介する。 最先端検出器の評価により, システム欠陥が明らかとなった。
  論文  参考訳（メタデータ） (2026-06-01T04:51:12Z)
• Who Gets Heard? Rethinking Fairness in AI for Music Systems [27.73654834833813]
  音楽システムにおけるAIの文化的・ジャンル的バイアスに関する懸念を提起する。 これらのバイアスは、クリエイター、流通業者、音楽のためのAIで表現を形作るリスナーを含むステークホルダーに影響を与える。 音楽AIシステムでは,データセット,モデル,インターフェースレベルでレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2025-11-08T10:03:22Z)
• Opening Musical Creativity? Embedded Ideologies in Generative-AI Music Systems [2.532202013576547]
  2025年中頃の4つの生成AI音楽制作システムについて検討する。 音楽制作における生成AIの早期開発と導入を推進しているイデオロギーについて検討する。
  論文  参考訳（メタデータ） (2025-08-12T09:59:07Z)
• Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
  本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。 我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
  論文  参考訳（メタデータ） (2025-02-21T18:45:37Z)
• SONICS: Synthetic Or Not -- Identifying Counterfeit Songs [0.16777183511743465]
  我々は、エンドツーエンド合成歌検出(SSD)のための新しいデータセットSONICSを紹介する。 歌唱における時間的長期依存性をモデル化することの重要性を強調した。 長い曲では、私たちのトップパフォーマンスの変種は、F1スコアでVTを8%上回り、より38%速く、メモリは26%減っています。
  論文  参考訳（メタデータ） (2024-08-26T08:02:57Z)
• 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)
• Redefining Relationships in Music [55.478320310047785]
  私たちは、AIツールが音楽文化を根本的に変えてくれると論じています。 この分野で働く人々は、音楽の実践、消費、意味に対するネガティブな影響を減らすことができる。
  論文  参考訳（メタデータ） (2022-12-13T19:44:32Z)
• Co-creation and ownership for AI radio [1.2839524529089017]
  AI音楽生成、主観評価、パーソナライズされたレコメンデーションをブレンドしたコンセプトのカジュアルクリエーターであるArtificial$.! 我々は、Artificial$.!$fmの設計と開発について報告し、プラットフォーム上で生成されたアーティファクトの所有権に関する法的分析を提供する。
  論文  参考訳（メタデータ） (2022-06-01T13:35:03Z)

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。