Missing Melodies: AI Music Generation and its ‘Nearly’ Complete Omission of the Global South

要約

生成 AI の最近の進歩により、音楽生成に対する新たな関心と可能性が広がりました。
ただし、音楽ジャンル全体にわたるこれらのシステムのパフォーマンスと多用途性は、トレーニング データの利用可能性に大きく影響されます。
私たちは、AI 音楽生成研究で使用される 100 万時間以上のオーディオ データセットの広範な分析を実施し、11 の著名な AI および音楽会議および組織 (AAAI、ACM、EUSIPCO、EURASIP、ICASSP、ICML、IJCAI、
ISMIR、NeurIPS、NIME、SMC）は、AI 研究におけるグローバル・サウスの音楽ジャンルの公正な表現と包含における重大なギャップを特定します。
私たちの調査結果では、明らかな不均衡が明らかになりました。データセット時間の合計の約 86%、研究者の 93% 以上が主にグローバル ノースの音楽に焦点を当てているということです。
ただし、これらのデータセットの約 40% には何らかの形の非西洋音楽が含まれており、グローバル サウスのジャンルはデータの 14.6% のみを占めています。
さらに、調査対象の論文の約 51% は象徴的な音楽の生成に集中していますが、この方法では南アジア、中東、アフリカなどの地域の音楽に固有の文化的ニュアンスを捉えることができないことがよくあります。
AI が音楽の創作と普及にますます影響を及ぼしており、データセットや研究における音楽ジャンルの過小評価は、世界的な音楽の多様性に対する深刻な脅威となっています。
また、これらのリスクを軽減し、AI 主導の音楽生成のより包括的な未来を促進するためのいくつかの重要な手順も提案します。

要約(オリジナル)

Recent advances in generative AI have sparked renewed interest and expanded possibilities for music generation. However, the performance and versatility of these systems across musical genres are heavily influenced by the availability of training data. We conducted an extensive analysis of over one million hours of audio datasets used in AI music generation research and manually reviewed more than 200 papers from eleven prominent AI and music conferences and organizations (AAAI, ACM, EUSIPCO, EURASIP, ICASSP, ICML, IJCAI, ISMIR, NeurIPS, NIME, SMC) to identify a critical gap in the fair representation and inclusion of the musical genres of the Global South in AI research. Our findings reveal a stark imbalance: approximately 86% of the total dataset hours and over 93% of researchers focus primarily on music from the Global North. However, around 40% of these datasets include some form of non-Western music, genres from the Global South account for only 14.6% of the data. Furthermore, approximately 51% of the papers surveyed concentrate on symbolic music generation, a method that often fails to capture the cultural nuances inherent in music from regions such as South Asia, the Middle East, and Africa. As AI increasingly shapes the creation and dissemination of music, the significant underrepresentation of music genres in datasets and research presents a serious threat to global musical diversity. We also propose some important steps to mitigate these risks and foster a more inclusive future for AI-driven music generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google