論文の概要: MusGU+: Toward a Musician-Centered Evaluation Framework and Discovery Tool for Generative Music AI

• arxiv url: http://arxiv.org/abs/2608.30940v1
• Date: Mon, 31 Aug 2026 15:12:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.464723
• Title: MusGU+: Toward a Musician-Centered Evaluation Framework and Discovery Tool for Generative Music AI
• Title（参考訳）: MusGU+:ジェネレーティブ・ミュージック・AIのための音楽中心評価フレームワークと発見ツール
• Abstract要約: ジェネレーティブ・ミュージック・システムは、音楽制作を民主化するツールとしてますます提示されているが、音楽家にとっての実用性はまだ未熟である。 適応性,ユーザビリティ,制御性という3つの側面から構成されたミュージシャン中心の評価フレームワークであるMusGU+を紹介する。 10の代表的な生成音楽システムを評価し,これらの基準に従ってミュージシャンがモデルを探索・フィルタリングできるインタラクティブな発見ツールを提案する。
• 参考スコア（独自算出の注目度）: 9.16460001215725
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative music systems are increasingly presented as tools that democratize music creation, yet their practical suitability for musicians remains underexplored. Prior work includes openness-focused evaluation frameworks, such as MusGO (Music-Generative Open AI), as well as qualitative studies of musicians' experiences with generative systems. However, these approaches do not support systematic comparison or early-stage discovery of models for creative use. Motivated by such limitations, we introduce MusGU+, a musician-centered evaluation framework organized around three dimensions: Adaptability, Usability, and Controllability. Together, these capture whether a model can be feasibly trained or fine-tuned on personal data, integrated into real-world music workflows, and controlled in musically meaningful ways. We evaluate 10 representative generative music systems and present an interactive discovery tool that enables musicians to explore and filter models according to these criteria. While MusGO remains valuable for promoting responsible research practices, MusGU+ supports informed selection and practical adoption of generative systems by musicians.
• Abstract（参考訳）: ジェネレーティブ・ミュージック・システムは、音楽制作を民主化するツールとしてますます提示されているが、音楽家にとっての実用性はまだ未熟である。 これまでの研究には、MusGO(Music-Generative Open AI)のようなオープンネスに焦点を当てた評価フレームワークや、ミュージシャンが生成システムで経験した経験の質的研究が含まれる。 しかしながら、これらのアプローチは、体系的な比較や、創造的な使用のためのモデルの早期発見をサポートしない。 このような制約に触発されたMusGU+は,順応性,使用性,制御性という3つの次元にまたがるミュージシャン中心の評価フレームワークである。 これらを合わせて、モデルが個人データに基づいて訓練可能か、微調整可能か、実際の音楽ワークフローに統合可能か、音楽的に意味のある方法で制御可能かをキャプチャする。 10の代表的な生成音楽システムを評価し,これらの基準に従ってミュージシャンがモデルを探索・フィルタリングできるインタラクティブな発見ツールを提案する。 MusGOは依然として責任ある研究の実践を促進する上で価値があるが、MusGU+はミュージシャンによる情報的選択と生成システムの実践的採用を支援している。

関連論文リスト

• Muse: Towards Reproducible Long-Form Song Generation with Fine-Grained Style Control [66.46754271097555]
  我々は, きめ細かなスタイル条件付き長大な楽曲生成のための, 完全オープンソースシステムをリリースする。 データセットは116kの完全ライセンスの合成曲で構成され、自動生成の歌詞とスタイル記述がある。 我々は、個別の音声トークンで拡張されたQwenベースの言語モデルの単一ステージ教師付き微調整によりMuseを訓練する。
  論文  参考訳（メタデータ） (2026-01-07T14:40:48Z)
• MusicAIR: A Multimodal AI Music Generation Framework Powered by an Algorithm-Driven Core [0.0]
  MusicAIRは、新しいアルゴリズム駆動のシンボリックミュージックコアをベースとした、革新的なAI音楽生成フレームワークである。 このフレームワークは歌詞のみから完全なメロディックスコアを生成する。 GenAIMは、歌詞・歌詞・テキスト・音楽生成・画像・音楽生成にMusicAIRを使用するウェブツールである。
  論文  参考訳（メタデータ） (2025-11-21T15:43:27Z)
• The Ghost in the Keys: A Disklavier Demo for Human-AI Musical Co-Creativity [59.78509280246215]
  Aria-Duetは、人間のピアニストと最先端のジェネレーティブモデルであるAriaのリアルタイム音楽デュエットを容易にするインタラクティブシステムである。 音楽学的な観点からシステムのアウトプットを分析し,そのモデルがスタイリスティックなセマンティクスを維持でき,コヒーレントなフレーズのアイデアを発達させることができることを発見した。
  論文  参考訳（メタデータ） (2025-11-03T15:26:01Z)
• Exploring the Needs of Practising Musicians in Co-Creative AI Through Co-Design [0.27309692684728604]
  本稿では,音楽変化システムの共同設計を通じて,ミュージシャンの実践ニーズを探求するケーススタディを提案する。 これは2つのワークショップと2週間の生態学的評価を通じて達成され、様々な音楽的背景を持つミュージシャンが貴重な洞察を提供した。
  論文  参考訳（メタデータ） (2025-02-13T08:10:07Z)
• Musical Agent Systems: MACAT and MACataRT [6.349140286855134]
  我々は,人間ミュージシャンとAIの対話的音楽制作を促進するために,MACATとMACataRTという2つの異なる音楽エージェントシステムを紹介した。 MaCATはエージェント主導のパフォーマンスに最適化されており、リアルタイム合成と自己リスニングを利用して出力を自律的に形作る。 MacataRTは、音声モザイクとシーケンスベースの学習を通じて協調的な即興性を実現するフレキシブルな環境を提供する。
  論文  参考訳（メタデータ） (2025-01-19T22:04:09Z)
• DAIRHuM: A Platform for Directly Aligning AI Representations with Human Musical Judgments applied to Carnatic Music [0.0]
  本稿では,AI音楽モデルRepresentationsとHuman Musical judgments(DAIRHuM)の直接的なアライメントを探求するプラットフォームを提案する。 ミュージシャンや実験家が音楽録音のデータセットに類似点をラベル付けできるように設計され、事前訓練されたモデルのラベルとのアライメントを調べる。 その結果、リズムの調和の人的判断とモデルアライメントに関する顕著な知見が得られ、また、リズム知覚とカーナティック音楽特有の音楽類似性判断に重要な違いが浮き彫りにされた。
  論文  参考訳（メタデータ） (2024-11-22T13:04:51Z)
• 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)
• MusicAgent: An AI Agent for Music Understanding and Generation with Large Language Models [54.55063772090821]
  MusicAgentは、多数の音楽関連ツールと、ユーザの要求に対処するための自律ワークフローを統合している。 このシステムの第一の目的は、AI音楽ツールの複雑さからユーザーを解放し、クリエイティブな側面に集中できるようにすることである。
  論文  参考訳（メタデータ） (2023-10-18T13:31:10Z)
• 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 Review of Intelligent Music Generation Systems [4.287960539882345]
  ChatGPTは、クリエイティブな取り組みにおける非プロフェッショナルの参入障壁を著しく減らした。 現代の生成アルゴリズムは、規則制約や音楽コーパスに基づいて、音楽に暗黙的なパターンを抽出することができる。
  論文  参考訳（メタデータ） (2022-11-16T13:43:16Z)
• Expressive Communication: A Common Framework for Evaluating Developments in Generative Models and Steering Interfaces [1.2891210250935146]
  本研究では,モデルとユーザインタフェースの両面における開発が,共同創造の促進にいかに重要であるかを検討する。 作曲者26人が100曲以上を作曲し、聴取者が1000曲以上を頭と頭で比較した結果、より表現力のあるモデルとよりステアブルなインターフェースが重要であることが判明した。
  論文  参考訳（メタデータ） (2021-11-29T20:57:55Z)

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。