Not that Groove：零样本符号音乐编辑
声音
2026-05-06 v2 计算与语言
音频与语音处理
摘要
虽然近期AI音乐生成的进展主要集中在直接音频合成，但这些系统存在固有的僵化，限制了专业音乐制作人需要的粒度化、高度可调的创意控制。符号化音乐（例如MIDI）解决了这一约束，提供了可编辑的音符级别参数，但面向指令驱动的符号音乐编辑的自然进程仍严重缺乏成对的指令-MIDI数据集。本文通过将零样本符号音乐编辑形式化为结构化推理任务来规避这一数据瓶颈。我们引入了一种基于文本的 novel 记号化notation，将音乐机制翻译为空间、语法驱动的网格，使面向大规模语言模型 (LLM) 的 off-the-shelf 模型能够仅通过 zero-shot 提示逻辑推演并应用于鼓组节拍的复杂编辑。为严格评估这一范式，我们提出了 Not that Groove，一个包含数千个鼓组节拍及其 specific、描述性和风格化的自然语言指令的综合基准。关键的是，为了克服人类音乐评估的高昂成本和主观性，我们引入了一种可扩展的、领域导向的自动单元测试框架，以符号方式验证所编辑的节拍是否满足用户请求的核心约束。我们在八个最先进的 LLM 上进行了大量实验，证明了该方法的高效能，最佳模型在自动单元测试中实现了68%的成功率。此外，听觉测试确认，我们的程序化单元测试与专业音乐师的主观判断高度一致，为可控AI音乐生产的未来奠定了稳健、数据高效且可扩展的基础。
引用
@article{arxiv.2505.08203,
title = {Not that Groove: Zero-Shot Symbolic Music Editing},
author = {Li Zhang},
journal= {arXiv preprint arXiv:2505.08203},
year = {2026}
}