Sep, 2024

大型语言模型在音乐学中的角色：我们是否准备好信任机器？

HTML
PDF
TL;DR本研究探讨了大型语言模型在音乐学中的应用及其可靠性，针对专家和学生的讨论评估了这一技术的接受度和关注点。我们提出了一种半自动方法，通过提取增强生成模型和多项选择题生成创建初步基准，并由人类专家验证，发现当前常规大型语言模型在可靠性上逊色于基于音乐词典的检索增强生成。
发现论文，激发创造
  • MusiLingo：使用预训练语言模型在音乐字幕和查询响应中连接音乐和文本

    MusiLingo是一个创新系统，通过使用单个投射层将来自预训练的冻结音乐音频模型MERT和冻结的LLaMA语言模型中的音乐表示对齐，弥合了音乐音频和文本环境之间的差距，从而在音乐字幕生成和音乐相关的查询响应中展现了竞争性能。

    Sep, 2023

  • MuChin：评估音乐领域语言模型的中国口语描述基准

    MuChin是第一个用于评估多模态大型语言模型在理解和描述音乐方面性能的中文口语音乐描述基准，利用创新的多人、多阶段保障方法和多维、高精度的音乐注释数据集(CaiMD)，使用MuChin评估现有音乐理解模型对于提供口语音乐描述的能力，并开源相关数据和评分代码。

    Feb, 2024

  • ChatMusician：理解和生成音乐的 LLM 方法

    我们介绍了ChatMusician，这是一个开源的大型语言模型，基于在ABC符号表示和音乐作为第二语言上进行连续预训练和微调的LLaMA2，它能够理解和生成音乐，并能够创作结构良好、完整的音乐作品，超过了GPT-4基准模型。

    Feb, 2024

  • 符号音乐生成和信息检索的自然语言处理方法：一项调查

    本文是一篇调查论文，研究了将自然语言处理（NLP）方法应用于符号音乐生成和信息检索的研究，提出了符号音乐的表示方法和深度学习模型，并讨论了NLP工具在符号音乐数据中的有效使用以及进一步研究的可能性。

    Feb, 2024

  • 大规模语言模型的音乐评估基准：音乐大师还是具有音乐挑战的人

    我们提出了ZIQI-Eval，这是一个用于评估大型语言模型音乐相关能力的综合性和大规模的基准测试。我们通过评估16个大型语言模型在音乐领域的表现发现，它们在ZIQI-Eval基准测试中表现低下，而且存在提升音乐能力的巨大空间。通过ZIQI-Eval，我们旨在提供一个标准化和强大的评估框架，便于全面评估大型语言模型的音乐相关能力。

    Jun, 2024

  • 大型语言模型在音乐中能否“推理”？对其音乐理解与生成能力的评估

    研究针对大型语言模型（LLMs）在符号音乐理解和生成方面的表现进行了深入分析，发现它们在复杂音乐任务中存在多步推理能力不足的问题。该论文提出，当前LLMs在音乐知识的运用上存在局限，建议未来研究应注重弥合音乐知识与推理之间的鸿沟，以提升音乐创作者的协作体验。

    Jul, 2024

  • MuChoMusic：评估多模态音频语言模型中的音乐理解

    本研究解决了评价多模态音频语言模型在音乐理解能力方面的挑战，提出了一个名为MuChoMusic的基准，包含了1187个经人类标注的问题，涵盖644首音乐曲目及多种音乐类型。研究发现现有模型过于依赖语言模态，强调了改善多模态集成的必要性。

    Aug, 2024

  • 音乐的基础模型：一项综述

    本研究探讨了基础模型在音乐领域的应用，指出当前研究中对音乐表示的开发仍有许多未被探索的方面。通过全面分析预训练模型和架构选择，强调了基础模型在音乐理解、生成和医疗应用中的潜力。研究还关注伦理考量的重要性，为未来音乐领域的人机协作提供了方向。

    Aug, 2024

  • 音乐理解基础模型的调研

    本研究解决了传统音乐分析模型无法有效捕捉音乐复杂特征的问题，提出了利用大型语言模型和基础模型的方法来实现更深入的音乐理解。研究发现，这些模型在语义层面处理复杂音乐理解任务时表现出色，具有接近人类感知的能力，推动了音乐与人工智能交叉领域的深入研究。

    Sep, 2024

  • 预训练语言模型在音乐理解中的评估

    本研究针对当前音乐信息研究中预训练语言模型在音乐知识评估方面的不足，提出了三种主要问题：提示敏感性、否定建模能力不足及对特定词汇的敏感性。通过使用Audioset本体生成三元组，并评估六种通用Transformer模型的音乐知识，发现尽管准确率相对较高，但模型间存在不一致性，表明必须对现有模型进行音乐方面的适配。

    Sep, 2024