使用生成式人工智能与大语言模型进行辱虐性音乐及歌曲转换

反复接触音乐和歌曲中的暴力及辱虐内容会影响听众的情绪和行为，可能使攻击行为正常化或强化有害的刻板印象。在本研究中，我们探索使用生成式人工智能（GenAI）和大语言模型（LLMs）自动转换流行音乐中的辱虐词语（人声表达）和歌词内容。我们的方法不是简单地静音或替换单个词，而是转换语调、强度和情感，因此不仅改变歌词，还改变其表达方式。我们对四首选定的英文歌曲及其转换后的对应版本进行了比较分析，通过声学和情感两个视角评估变化。我们的结果表明，GenAI 显著降低了人声攻击性，声学分析显示谐噪比、倒谱峰值突出度和微扰有所改善。情感分析显示，各艺术家的攻击性降低了 63.3-85.6%，副歌部分的改善尤为显著（降低达 88.6%）。转换后的版本在缓解有害内容的同时保持了音乐连贯性，为传统内容审核提供了一种有前景的替代方案，避免了触发“禁果”效应，即被审查的内容仅仅因为受到限制而变得更具吸引力。这种方法展示了 GenAI 在保留艺术表达的同时创造更安全听觉体验的潜力。