MUQ-EVAL：一种用于AI音乐生成评估的开源每样本质量度量
MuQ-Eval: An Open-Source Per-Sample Quality Metric for AI Music Generation Evaluation
专题配图图片仅供信息参考图片仅供参考版权归原作者摘要
Arxiv：2603.22677v2公告类型：替换摘要：Fr\‘echet Audio Distance等分布度量不能为单个音乐片段评分，且与人类判断相关性较差，而唯一实现高人类相关性的按样本学习的度量是闭源的。我们介绍了MUQ-EVAL，这是一种开源的每样本质量度量标准，用于AI生成的音乐，通过使用MusicEval对冻结的MuQ-310M特征训练轻量级预测头来构建，MusicEval是从31个文本到音乐系统生成的剪辑的数据集，具有专家的质量评级。我们最简单的模型，冻结特征和注意池和两层MLP，系统级SRCC=0.957，发话级SRCC=0.838，人类平均意见得分。对培训目标和适应战略的系统性消融表明，没有任何增加对冻结的基线有意义地改善，这表明冻结的MuQ表示已经捕捉到了与质量相关的信息。编码器选择是主导的设计因素，高于所有架构和培训决策。在短短150个片段上训练的LORA适配模型已经实现了可用的相关性，使个性化的质量评估器能够从单个听众注释中进行评估。受控退化分析显示，对信号级伪像具有选择性敏感性，但对音乐结构失真不敏感。我们的指标，MUQ-EVAL，是完全开源的，性能优于现有的开放的按样本计算的指标，并且在单个消费者GPU上实时运行。代码、模型权重和评估脚本可在https://github.com/dgtql/MuQ-Eval.上找到
原始资料
arXiv cs.AI · 中文编译
查看来源原文 产品参数、测试条件及最新修订以来源原文为准。