MQAScore 提出用音频大模型逐项核查文本与音乐对齐
论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对文本生成音乐的对齐评估通常只给出文本与音频嵌入的整体相似度、把各项属性压成一个分数的问题，这篇论文提出 MQAScore：把音乐描述拆成原子概念，按流派、乐器、情绪/主题、人声、用途五个片段级维度，用大型音频语言模型对二分类问题回答「是」的概率来逐项判定。为检验评估器可靠性，作者用存在/缺失标注与 LLM 引导的概念替换构造验证标签，并提出敏感度-不变性比值，衡量评估器是否只对改变语义的替换作出反应。实验显示概念级打分对问答式与相似度式评估器均有改善，可作为整体相似度的细粒度补充。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载整体相似度的问题
现有文本生成音乐的对齐评估多依赖文本与音频嵌入之间的整体相似度。这种做法把描述中提到的所有属性压缩进一个分数，一旦分数偏低，无法判断究竟是哪一项描述没有被音乐体现。论文把这一缺陷作为出发点，主张评估应当落到更小的语义单元上，而不是停留在单一的整体相似度指标。
五维度与二分类判定
MQAScore 的做法是把文本描述拆成原子级的音乐概念，再沿五个片段级维度分别核查：流派、乐器、情绪/主题、人声与用途。每个概念的判定不依赖相似度打分，而是转成一个是非问句，交给大型音频语言模型回答，并以模型给出肯定回答的概率作为该项的得分。这样得到的是一组按维度分布的结果，而非一个聚合后的数值。
评估器可靠性的度量
为了判断评估器本身是否可信，作者构造了验证标签：一部分来自存在/缺失标注，另一部分来自 LLM 引导的概念替换。在此基础上提出敏感度-不变性比值，用来观察评估器面对改变语义的替换时反应是否足够敏感、面对不改变语义的替换时是否保持稳定，即是否具备选择性。
实验结果与定位
实验表明，采用概念级打分后，问答式评估器与相似度式评估器都有改善。作者将 MQAScore 定位为整体相似度方法的补充而非替代：它提供更细粒度、更可解释的对齐判断，帮助定位缺失的具体属性。论文投稿至 ICASSP 2027，同时归入声音、人工智能与音频语音处理等分类。
为什么值得看
文本生成音乐缺少可解释的细粒度评测手段，这项工作给出了可复用的维度划分与评估器可靠性指标。
大模型对齐论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。