論文の概要: Open-Qwen-Music: An Auditable Framework for LLM-Based Music Composition and Diffusion Rendering

• arxiv url: http://arxiv.org/abs/2609.31652v1
• Date: Mon, 14 Sep 2026 13:17:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 14:18:09.134758
• Title: Open-Qwen-Music: An Auditable Framework for LLM-Based Music Composition and Diffusion Rendering
• Title（参考訳）: Open-Qwen-Music: LLMに基づく楽曲合成と拡散レンダリングのための監査可能なフレームワーク
• Abstract要約: 本稿では,Qwen-Musicをオープンに再構築したOpen-Qwen-Musicについて紹介する。 我々の知る限り、Open-Qwen-MusicはLLM-composition-plus-diffusion-rendering text-to-musicシステムの最初の完全にオープンなリリースである。
• 参考スコア（独自算出の注目度）: 7.979931975175435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Open-Qwen-Music, an open reconstruction of Qwen-Music and a fully specified research system for text-to-music generation that couples LLM-based semantic composition with diffusion-based acoustic rendering. The system comprises a 25 Hz single-codebook music tokenizer, a 3B-parameter autoregressive Music LLM, and a diffusion renderer producing 48 kHz stereo audio, following the cross-module interfaces reported by Qwen-Music. The strongest systems of this design remain closed, and prominent open music-generation projects release weights and inference code without their training corpora or end-to-end training implementations. This limits independent and controlled study of how information loss and prediction errors propagate from semantic representation through autoregressive planning to acoustic rendering. To our knowledge, Open-Qwen-Music is the first fully open release of an LLM-composition-plus-diffusion-rendering text-to-music system. Beyond model weights and inference code, the release includes the training datasets and provenance manifests, complete data-processing, annotation, training, inference, and evaluation pipelines, configurations, and pretrained weights for every learned module. Artifact manifests bind the identities of these artifacts across the complete workflow. Together, these artifacts establish a reproducible implementation of the modular architecture and provide an empirical basis for component-level analysis and future evaluation. We present the system as a transparent, executable research baseline and a starting point for the community, not as evidence of quality parity with Qwen-Music. Open-Qwen-Music is an ongoing effort, and we will continue to improve its generation quality, controllability, and robustness. All release artifacts are available at https://github.com/biang15343100-source/Open-Qwen-Music.
• Abstract（参考訳）: 本稿では,Qwen-Musicをオープンに再構築したOpen-Qwen-Musicについて述べる。 このシステムは、Qwen-Musicが報告したクロスモジュールインタフェースに従って、25Hzのシングルコードブック・ミュージック・トークンー、3Bパラメトリック・オートレグレッシブ・ミュージック・LLM、48kHzのステレオオーディオを生成する拡散レンダラーを備える。 このデザインの最も強力なシステムは依然としてクローズドであり、オープンな音楽生成プロジェクトではトレーニングコーパスやエンドツーエンドのトレーニング実装を使わずにウェイトと推論コードをリリースしている。 これは、情報損失と予測誤差が意味表現から自己回帰計画から音響レンダリングへどのように伝播するかについて、独立かつ制御された研究を制限する。 我々の知る限り、Open-Qwen-MusicはLLM-composition-plus-diffusion-rendering text-to-musicシステムの最初の完全にオープンなリリースである。 モデルウェイトと推論コード以外にも、トレーニングデータセットと証明マニフェスト、完全なデータ処理、アノテーション、トレーニング、推論、評価パイプライン、設定、学習モジュール毎に事前トレーニングされたウェイトが含まれている。 アーティファクトマニフェストは、これらのアーティファクトのアイデンティティを完全なワークフローに結合する。 これらのアーティファクトは共に、モジュラーアーキテクチャの再現可能な実装を確立し、コンポーネントレベルの分析と将来の評価のための実証的な基盤を提供する。 本システムは,Qwen-Musicと品質の同等性の証拠としてではなく,透明で実行可能な研究ベースラインとして,コミュニティの出発点として提示する。 Open-Qwen-Musicは進行中の取り組みであり、生成品質、制御性、堅牢性を改善し続けます。 すべてのリリースアーティファクトはhttps://github.com/biang15343100-source/Open-Qwen-Musicで入手できる。

関連論文リスト

• Pushing the Frontier of Full-Song Generation: Hierarchical Autoregressive Planning Meets Flow-Matching Rendering [36.032642952445414]
  本稿では,歌詞,テキスト記述,音楽属性から高品質なフル長楽曲を生成できる統一的な楽曲生成フレームワークを提案する。 提案フレームワークは,歌詞・歌詞・音楽属性から完全曲を生成するLyrics-to-Song Generation,ボーカルのない音楽を生成するInstrumental Music Generation,メロディックコンテンツを保存しながら既存の歌を異なるスタイルで再解釈するCover Song Generationの3つのタスクをサポートする。
  論文  参考訳（メタデータ） (2026-07-22T15:11:46Z)
• 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)
• MusiLingo: Bridging Music and Text with Pre-trained Language Models for Music Captioning and Query Response [42.73982391253872]
  MusiLingoは音楽キャプション生成と音楽関連クエリ応答のための新しいシステムである。 広範囲な音楽キャプションデータセットでトレーニングし、インストラクショナルデータで微調整する。 音楽キャプションの生成と音楽関連Q&Aペアの構成において,その競争性能を実証した。
  論文  参考訳（メタデータ） (2023-09-15T19:31:40Z)
• Simple and Controllable Music Generation [94.61958781346176]
  MusicGenは単一の言語モデル(LM)であり、圧縮された離散的な音楽表現、すなわちトークンの複数のストリームで動作する。 以前の作業とは異なり、MusicGenはシングルステージのトランスフォーマーLMと効率的なトークンインターリービングパターンで構成されている。
  論文  参考訳（メタデータ） (2023-06-08T15:31:05Z)

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。