无名鸿沟：音乐生成中的策略感知风格控制

文本到音乐模型能够捕捉诸如乐器配置或情绪等广泛属性，但细粒度的风格控制仍是一个开放挑战。现有的风格化方法通常需要重新训练或专门的条件输入，这使可复现性复杂化，并在艺术家名称受限时限制了策略合规性。我们研究从大语言模型中采样的轻量级、人类可读的修饰词能否为风格控制提供一种策略稳健的替代方案。使用 MusicGen-small，我们评估了两位艺术家：Billie Eilish（人声流行乐）和 Ludovico Einaudi（器乐钢琴）。对于每位艺术家，我们使用十五个参考片段，并在三种条件下评估匹配的随机种子：基线提示词、艺术家姓名提示词和五个描述符集。所有提示词均使用大语言模型生成。评估使用 VGGish 和 CLAP 嵌入，结合分布级和逐片段相似度度量，包括一种新的最小距离归因指标。结果表明，艺术家姓名是两位艺术家中最强的控制信号，而无名描述符恢复了这一效果的很大一部分。这凸显了现有的防护措施（如限制音乐生成提示词中的艺术家姓名）可能无法完全防止风格模仿。跨艺术家迁移降低了对齐度，表明描述符编码了有针对性的风格线索。我们还展示了十位当代艺术家的描述符表，以说明这些标记的广度。这些发现共同定义了“无名鸿沟”，即艺术家姓名提示词与策略合规描述符之间的可控性差异，并通过一种可复现的提示词级可控性评估协议加以展示。