论文页面 - APEX：用于生成式音乐的大规模多任务美学感知流行度预测

来源：https://huggingface.co/papers/2605.03395

摘要

一种针对生成式音乐的大规模多任务学习框架，利用自监督音乐理解模型中的冻结音频嵌入（frozen audio embeddings）来同时预测流行度和美学质量，在跨不同生成架构时展现出强大的泛化能力。

音乐流行度预测吸引了越来越多的研究兴趣，与艺术家、平台及推荐系统密切相关。然而，生成式音乐平台的爆炸式增长创造了一个全新的、很大程度上未被探索的领域，每天产生并消耗大量歌曲，且缺乏传统的艺术家声誉或唱片公司支持等标记。在这一探索中，关键却尚未被充分研究的是美学质量。我们提出了 APEX，这是首个针对生成式音乐的大规模多任务学习框架，基于来自 Suno 和 Udio 的超过 21.1 万首歌曲（1 万小时的音频）进行训练，利用从自监督音乐理解模型 MERT 中提取的冻结音频嵌入，联合预测基于参与度的流行度信号——流媒体播放量和点赞评分——以及五个感知美学质量维度。美学质量和流行度捕捉了音乐的互补方面，二者结合被证明极具价值：在 Music Arena 数据集上的分布外评估中，该数据集包含在训练期间未见的十一个生成音乐系统之间的人类偏好对抗测试，加入美学特征始终能提升偏好预测性能，表明所学表征在跨生成架构方面具有强大的泛化能力。

查看 arXiv 页面 (https://arxiv.org/abs/2605.03395) 查看 PDF (https://arxiv.org/pdf/2605.03395) GitHub5 (https://github.com/AMAAI-Lab/apex) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.03395)

社区

论文作者

论文提交者

1 天前 (https://huggingface.co/papers/2605.03395#69fc20581646e9812610d2b4)

基于流媒体播放量和点赞评分，采用大规模美学感知 AI 音乐热门预测模型。

通过拖拽到文本输入框、粘贴或点击此处上传图片、音频和视频。

点击或粘贴此处上传图片

在你的智能体中获取此论文：

hf papers read 2605\.03395

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型1

amaai-lab/apex 特征提取 • 更新于1天前 • 286 • 3 (https://huggingface.co/amaai-lab/apex)

引用此论文的数据集0

暂无数据集关联此论文

请在数据集的 README.md 中引用 arxiv.org/abs/2605.03395 以在此页面建立链接。

引用此论文的应用空间0

暂无应用空间关联此论文

请在应用空间的 README.md 中引用 arxiv.org/abs/2605.03395 以在此页面建立链接。

包含此论文的合集1