Fugu-MT 論文翻訳(概要): A Hybrid Framework for Song Lyric Annotation Based on Human-LLM Alignment

論文の概要: A Hybrid Framework for Song Lyric Annotation Based on Human-LLM Alignment

arxiv url: http://arxiv.org/abs/2606.29273v1
Date: Sun, 28 Jun 2026 08:41:19 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:15.864977
Title: A Hybrid Framework for Song Lyric Annotation Based on Human-LLM Alignment
Title（参考訳）: 人間-LLMアライメントに基づく歌詞アノテーションのハイブリッドフレームワーク
Abstract要約: 歌詞の感情認識は、歌詞全体の感情と必ずしも一致しないため、難しい作業である。文レベルの新しい歌詞データセットを作成することにより,人間と大規模言語モデル(LLM)のアライメントを検討する。我々の観察では、課題の主観性と固有の課題が強調されている。
参考スコア（独自算出の注目度）: 12.78850268922145
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Emotion recognition of song lyrics is a challenging task since lyrics may not necessarily align with the overall emotion of a song. As a result, lyrics annotation remains largely underexplored. Drawing inspiration from research in large language model (LLM) assisted annotation, we examine the alignment between humans and LLMs for annotation of lyrics by creating a new sentence-level dataset of lyrics. Our observations highlight the subjectivity of the task and the inherent challenges. Following this, we present a hybrid annotation framework that optimizes human and LLM annotation by predicting potential misalignment in annotation.
Abstract（参考訳）: 歌詞の感情認識は、歌詞全体の感情と必ずしも一致しないため、難しい作業である。その結果、歌詞の注釈はほとんど探索されていない。大規模言語モデル(LLM)を用いたアノテーションの研究からインスピレーションを得て,新しい文レベルの歌詞データセットを作成することにより,歌詞の注釈のための人間とLLMのアライメントを検討する。我々の観察では、課題の主観性と固有の課題が強調されている。次に,アノテーションの潜在的な誤認識を予測することによって,人間とLLMのアノテーションを最適化するハイブリッドアノテーションフレームワークを提案する。

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)
From Joy to Fear: A Benchmark of Emotion Estimation in Pop Song Lyrics [40.12543056558646]
歌詞の感情的内容は、聴取者の体験を形作り、音楽的嗜好に影響を与える上で重要な役割を担っている。本稿では,6つの基本感情に対応する6つの感情強度スコアを予測し,歌詞のマルチラベル感情属性の課題について検討する。
論文参考訳（メタデータ） (2025-09-06T06:28:28Z)
REFFLY: Melody-Constrained Lyrics Editing Model [50.03960548399128]
本稿では,旋律に沿った歌詞を編集・生成する最初のフレームワークであるREFFLYを紹介する。合成したメロディ対応歌詞データセットを用いて歌詞修正モジュールを訓練する。そこで本研究では,意味的意味と音楽的一貫性の両立を目的とした学習自由度を提案する。
論文参考訳（メタデータ） (2024-08-30T23:22:34Z)
Towards Estimating Personal Values in Song Lyrics [5.170818712089796]
西洋諸国で広く消費されている音楽は、歌詞が含まれており、アメリカのサンプルでは、彼らの楽曲ライブラリのほとんどすべてが歌詞を含んでいると報告している。本稿では,社会科学理論に導かれたパースペクティビズム的アプローチを用いて,アノテーションの収集,品質評価,集約を行う。次に、評価値辞書を用いて、事前学習した文/単語の埋め込みモデルに基づく評価値と比較する。
論文参考訳（メタデータ） (2024-08-22T19:22:55Z)
MuDiT & MuSiT: Alignment with Colloquial Expression in Description-to-Song Generation [18.181382408551574]
本稿では,口語記述から歌声生成への新たな課題を提案する。生成されたコンテンツと口語的人間の表現の整合性に焦点を当てている。この課題は、AIモデル内の言語理解と聴覚表現のギャップを埋めることを目的としている。
論文参考訳（メタデータ） (2024-07-03T15:12:36Z)
SongComposer: A Large Language Model for Lyric and Melody Generation in Song Composition [82.38021790213752]
SongComposerは、音楽専門の大規模言語モデル(LLM)である。 3つの重要なイノベーションを活用することで、メロディーをLLMに同時に構成する能力を統合する。歌詞からメロディへの生成、メロディから歌詞への生成、歌の継続、テキストから歌への生成といったタスクにおいて、高度なLLMよりも優れています。 SongComposeは大規模なトレーニング用データセットで、中国語と英語の歌詞とメロディのペアを含む。
論文参考訳（メタデータ） (2024-02-27T16:15:28Z)
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)
Unsupervised Melody-Guided Lyrics Generation [84.22469652275714]
メロディと歌詞の一致したデータを学習することなく、楽しく聴ける歌詞を生成することを提案する。メロディと歌詞間の重要なアライメントを活用し、与えられたメロディを制約にコンパイルし、生成プロセスを導く。
論文参考訳（メタデータ） (2023-05-12T20:57:20Z)
Deep Attention-Based Alignment Network for Melody Generation from Incomplete Lyrics [12.05359079565586]
ディープ・ニューラル・歌詞・メロディネットをエンコーダ・デコーダ方式で訓練し、不完全な歌詞が与えられたときの歌詞・メロディのペアを予測する。注意機構を利用して、歌詞からメロディ生成中に予測された歌詞とメロディを一致させる。
論文参考訳（メタデータ） (2023-01-23T03:41:53Z)
Modelling Emotion Dynamics in Song Lyrics with State Space Models [4.18804572788063]
本研究では,歌詞の感情動態を楽曲レベルの監督なしに予測する手法を提案する。提案手法を適用すれば,注釈付き楽曲を必要とせずに文レベルベースラインの性能を常に向上できることを示す。
論文参考訳（メタデータ） (2022-10-17T21:07:23Z)
Annotation Curricula to Implicitly Train Non-Expert Annotators [56.67768938052715]
自発的な研究は、しばしば、アノテータがタスク、そのアノテーションスキーム、およびデータドメインに精通することを要求する。これは最初は圧倒的であり、精神的に課税され、結果として生じるアノテーションにエラーを誘導する。暗黙的にアノテータを訓練する新しい手法であるアノテーションキュリキュラを提案する。
論文参考訳（メタデータ） (2021-06-04T09:48:28Z)
SongMASS: Automatic Song Writing with Pre-training and Alignment Constraint [54.012194728496155]
SongMASSは、歌詞からメロディーへの生成とメロディから歌詞への生成の課題を克服するために提案されている。マスクドシーケンスを利用して、シーケンス(質量)事前トレーニングと注意に基づくアライメントモデリングを行う。我々は,SongMASSがベースライン法よりもはるかに高品質な歌詞とメロディを生成することを示す。
論文参考訳（メタデータ） (2020-12-09T16:56:59Z)

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。