利用原始音频的音乐相似性度量评估音乐生成中的数据复制

音乐生成领域的最新进展引发了关于人工智能在创造性音乐过程、当前商业模式以及与知识产权管理相关的影响的多重担忧。一个相关的讨论和相关的技术挑战是，AI 生成的音乐中可能存在对训练集的复制和抄袭，这可能导致数据滥用和知识产权侵权。为了解决这个问题，我们提出了音乐复制评估（MiRA）工具：一种基于多种音频音乐相似性度量的、模型无关的开放评估方法，用于评估数据复制。我们通过使用合成样本在不同音乐流派中进行受控复制实验，评估了五种度量识别精确复制的能力。我们的结果表明，所提出的方法可以估计出比例高于 10% 的精确数据复制。通过引入 MiRA 工具，我们旨在鼓励研究人员、开发者和用户对音乐生成模型进行关于数据复制的开放评估，并强调其伦理、社会、法律和经济后果的重要性。代码和示例已公开，以确保可复现性。