論文の概要: TTM-Bench: A Framework for Text-to-Music System Performance Benchmarking

• arxiv url: http://arxiv.org/abs/2609.18585v1
• Date: Wed, 16 Sep 2026 12:44:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.802012
• Title: TTM-Bench: A Framework for Text-to-Music System Performance Benchmarking
• Title（参考訳）: TTM-Bench: テキストから音楽へのシステムパフォーマンスベンチマークのためのフレームワーク
• Abstract要約: TTM-Bench は,現代の TTM システムの,体系的で再現可能な性能ベンチマークのための共通プロトコルを定義するフレームワークである。 音楽コンテンツアライメント(音楽コンテンツアライメント)は、解釈可能なセマンティック、ジャンル、音楽ディスクリプタ合意スコアによって定量化され、一般的な音楽仕様に対するスコアと、生成遅延とリアルタイム係数を特徴とする計算効率である。
• 参考スコア（独自算出の注目度）: 0.26097841018267615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-music (TTM) systems are increasingly used to generate musical audio from natural-language descriptions. Robust evaluation is therefore essential, yet reliable performance comparison remains challenging. This difficulty stems from differences in system architecture, supported conditioning information, and access mode, as well as heterogeneous and fragmented metrics that cannot be applied uniformly across systems. To address these challenges, we introduce TTM-Bench, a framework that defines a common protocol for systematic, reproducible performance benchmarking of contemporary TTM systems. It evaluates performance along two dimensions: musical-content alignment, quantified by interpretable semantic, genre, and musical-descriptor agreement scores against a common musical specification and summarized by an aggregate score; and computational efficiency, characterized by generation latency and real-time factor, alongside resource use for local models and cost for hosted services. We demonstrate the framework through a preliminary comparative case study, illustrating the complementary evidence captured by these dimensions. The results show that higher musical-content alignment does not systematically coincide with lower computational demands, highlighting the importance of assessing TTM performance through distinct, interpretable measures rather than a reductive overall indicator.
• Abstract（参考訳）: テキスト・トゥ・ミュージック (TTM) システムは、自然言語による記述から音楽音声を生成するためにますます利用されている。 そのため、ロバスト評価は不可欠であるが、信頼性の高い性能比較は依然として難しい。 この難しさは、システムアーキテクチャ、サポートされた条件情報、アクセスモード、およびシステム間で一様に適用できない異質で断片化されたメトリクスの違いに起因する。 これらの課題に対処するため、TTM-Benchは、現代のTTMシステムの、体系的で再現可能なパフォーマンスベンチマークのための共通のプロトコルを定義するフレームワークである。 音楽コンテンツアライメント(音楽コンテンツアライメント)、解釈可能なセマンティック、ジャンル、音楽ディスクリプタアライメントスコア(音楽コンテンツアライメント)、共通の音楽仕様に対するスコア(音楽コンテンツアライメント)、集約スコア(アグリゲーションスコア)、および生成遅延とリアルタイムファクターを特徴とする計算効率(ローカルモデルとホストサービスのコスト)の2つの側面に沿ってパフォーマンスを評価する。 この枠組みを予備的なケーススタディを通じて実証し、これらの次元によって得られた相補的な証拠を例証する。 その結果,高次音楽コンテンツアライメントは低次の計算要求と体系的に一致せず,レダクティブな全体指標ではなく,異なる解釈可能な尺度によるTTM性能評価の重要性を強調した。

関連論文リスト

• AudioScape-TTA: A Structured Soundscape Benchmark for Fine-Grained Text-to-Audio Evaluation [22.231614260086754]
  微粒なTTA評価のための構造化および複雑性を考慮したベンチマークである textbfAudioScape-TTA を紹介する。 ベンチマークには2,258のオーディオテキストペアと25,707のバイナリQAルーブリックが含まれており、スケーラブルで解釈可能な分析を可能にする。 13種類のオープンソースTTAモデルに対する実験により, 微粒化特性制御, 音声コンテンツ保存, 構成生成の持続的制限が明らかになった。
  論文  参考訳（メタデータ） (2026-08-05T06:06:54Z)
• UniSonate: A Unified Model for Speech, Music, and Sound Effect Generation with Text Instructions [55.622295453533475]
  音声,音楽,音響効果を合成できる統合フローマッチングフレームワークUniSonateを紹介する。 本研究では,非構造環境音を時間潜在空間に投影する動的トークン注入機構を提案する。 実験により、UniSonateは、命令ベースのTSとTTMで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2026-04-24T04:26:04Z)
• SPEED-Bench: A Unified and Diverse Benchmark for Speculative Decoding [3.876913658180685]
  投機的復号化(SD)は,Large Language Model(LLM)推論を高速化する重要な手法として登場した。 以前のベンチマークでは、タスクの多様性の制限、スループット指向の評価の不十分なサポート、プロダクション環境を反映できないハイレベルな実装への依存に悩まされていた。 SPEED-Benchは多種多様な意味領域と現実的なサービス体制をまたいだSD評価を標準化するために設計された総合的なスイートである。
  論文  参考訳（メタデータ） (2026-02-10T16:19:56Z)
• FAIM: Frequency-Aware Interactive Mamba for Time Series Classification [87.84511960413715]
  時系列分類(TSC)は、環境モニタリング、診断、姿勢認識など、多くの実世界の応用において重要である。 本稿では,周波数対応対話型マンバモデルであるFAIMを提案する。 FAIMは既存の最先端(SOTA)手法を一貫して上回り、精度と効率のトレードオフが優れていることを示す。
  論文  参考訳（メタデータ） (2025-11-26T08:36:33Z)
• Joint Learning using Mixture-of-Expert-Based Representation for Enhanced Speech Generation and Robust Emotion Recognition [54.44798086835314]
  音声感情認識(SER)は感情認識音声システム構築において重要な役割を担っているが,その性能は雑音下で著しく低下する。 本稿では, フレームワイド・エキスパート・ルーティングを自己教師付き音声表現に応用した, フレキシブルMTLフレームワークSparse Mixture-of-Experts Representation Integration Technique (Sparse MERIT)を提案する。 MSP-Podcastコーパスの実験では、Sparse MERITはSERとSEの両方のタスクのベースラインモデルより一貫して優れていた。
  論文  参考訳（メタデータ） (2025-09-10T10:18:56Z)
• Aligning Text-to-Music Evaluation with Human Preferences [63.08368388389259]
  本稿では,TTM(生成音響テキスト・ツー・ミュージック)モデルの評価のための基準ベース分散指標の設計空間について検討する。 私たちは、合成データと人間の嗜好データの両方に標準のFAD設定が矛盾しているだけでなく、既存の指標のほとんどすべてがデシデラタを効果的に捉えていないことに気付きました。 我々は,自己教師型音声埋め込みモデルから表現に基づいて計算したMAUVE Audio Divergence(MAD)を提案する。
  論文  参考訳（メタデータ） (2025-03-20T19:31:04Z)
• Multimodal Imbalance-Aware Gradient Modulation for Weakly-supervised Audio-Visual Video Parsing [107.031903351176]
  弱分離型音声視覚ビデオ解析(WS-AVVP)は、音声、視覚および音声視覚イベントインスタンスの時間的範囲をローカライズすることを目的としている。 WS-AVVPは、トレーニング用にビデオレベルのカテゴリラベルのみを使用して、対応するイベントカテゴリを特定することを目的としている。
  論文  参考訳（メタデータ） (2023-07-05T05:55:10Z)
• A Lightweight Instrument-Agnostic Model for Polyphonic Note Transcription and Multipitch Estimation [6.131772929312604]
  楽器の書き起こしのための軽量ニューラルネットワークを提案する。 我々のモデルは、フレームワイドのオンセット、乗算、ノートのアクティベーションを共同で予測するように訓練されている。 ベンチマークの結果、我々のシステムのメモ推定は、同等のベースラインよりもかなり優れていることが示されています。
  論文  参考訳（メタデータ） (2022-03-18T12:07:36Z)
• Audio Impairment Recognition Using a Correlation-Based Feature Representation [85.08880949780894]
  本稿では,特徴対の相関に基づく手作り特徴の新しい表現を提案する。 実験段階において,コンパクトな特徴次元と計算速度の向上の観点から,優れた性能を示す。
  論文  参考訳（メタデータ） (2020-03-22T13:34:37Z)

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。