SCAP微调改善音乐生成并提出评测协议

Junkai Wu等研究团队提出用结构化caption（SCAPs）微调预训练flow-based DiT音乐生成模型。实验显示，该方法能提升生成音乐的文本对齐程度和音质；团队通过自由格式与结构化caption、信息覆盖范围及全局与时序文本信息等对照进行评估，并结合多阶段推理中的prompt重写器。 研究还提出受Davidsonian Scene Graphs启发的Music DSG评测协议。其忠实度度量与人类偏好的相关性高于CLAP，相关论文已投稿ICASSP 2027。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。