MusGO：面向音乐生成 AI 的社区驱动的开放性评估框架

自 2023 年起，生成式 AI 在音乐领域取得了显著进展。尽管取得了显著的技术进步，但音乐生成模型引发了诸多伦理挑战，包括缺乏透明度和问责制，以及可能导致艺术家作品被复制的风险，这凸显了促进开放性的重要性。鉴于欧盟 AI 法案等即将实施的法规鼓励开放模型，许多生成模型正被标称为 '开放'。然而，关于开放模型的定义仍存在广泛争议。本文将最近提出的证据基于的评估框架用于评估 LLM 开放性的框架应用于音乐领域。通过对来自音乐信息检索 (MIR) 社区的 110 名参与者进行调查，我们将框架细化为 MusGO (Music-Generative Open AI)，其包含 13 个开放性类别：8 个必需类别和 5 个理想类别。我们评估了 16 个最先进的生成模型，并提供一个完全开放给公众 scrutiny 和社区贡献的开放性排行榜。通过本工作，我们旨在澄清音乐生成 AI 中的开放性概念，并促进其透明且负责任的开发。