Towards Assessing Data Replication in Music Generation with Music Similarity Metrics on Raw Audio

要約

音楽生成における最近の進歩により、創造的な音楽プロセス、現在のビジネス モデル、および知的財産管理に関連する影響における AI の影響について、複数の懸念が生じています。
関連する議論と関連する技術的課題は、AI が生成した音楽におけるトレーニング セットの複製や盗用の可能性であり、データの悪用や知的財産権の侵害につながる可能性があります。
この問題に取り組むために、私たちは Music Replication Assessment (MiRA) ツールを紹介します。これは、データの複製を評価するための、さまざまなオーディオ音楽の類似性メトリクスに基づく、モデルに依存しないオープンな評価方法です。
合成サンプルを使用してさまざまな音楽ジャンルで制御された複製実験を実施することにより、正確な複製を識別するための 5 つの指標の能力を評価します。
私たちの結果は、提案された方法論が 10% を超える割合で正確なデータ複製を推定できることを示しています。
MiRA ツールを導入することで、倫理的、社会的、法的、経済的影響の重要性を強調しながら、研究者、開発者、ユーザーによるデータ複製に関する音楽生成モデルのオープンな評価を奨励するつもりです。
コードと例は再現性を目的として提供されています。

要約(オリジナル)

Recent advancements in music generation are raising multiple concerns about the implications of AI in creative music processes, current business models and impacts related to intellectual property management. A relevant discussion and related technical challenge is the potential replication and plagiarism of the training set in AI-generated music, which could lead to misuse of data and intellectual property rights violations. To tackle this issue, we present the Music Replication Assessment (MiRA) tool: a model-independent open evaluation method based on diverse audio music similarity metrics to assess data replication. We evaluate the ability of five metrics to identify exact replication by conducting a controlled replication experiment in different music genres using synthetic samples. Our results show that the proposed methodology can estimate exact data replication with a proportion higher than 10%. By introducing the MiRA tool, we intend to encourage the open evaluation of music-generative models by researchers, developers, and users concerning data replication, highlighting the importance of the ethical, social, legal, and economic consequences. Code and examples are available for reproducibility purposes.

arxiv情報

著者 Roser Batlle-Roca,Wei-Hisang Liao,Xavier Serra,Yuki Mitsufuji,Emilia Gómez
発行日 2024-08-01 11:16:30+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS パーマリンク