MQAScore：基于大型音频语言模型的细粒度文本-音乐对齐评估

论文提出逐概念打分的文本-音乐对齐评估方法 MQAScore

资讯摘要

论文提出 MQAScore，用大型音频语言模型对流派、乐器、情绪/主题、人声和用途五个片段级维度上的每个原子音乐概念做二元问答，以肯定回答概率衡量文本-音乐对齐，替代将属性压缩为单一分数的全局相似度。作者用存在/缺失标注与 LLM 引导的概念替换构建验证标签，并提出敏感度-不变性比率衡量评估器对语义变化的选择性。实验称概念级评分可提升问答与相似度两类评估器。

要点速读

1. MQAScore 沿流派、乐器、情绪/主题、人声、用途五个维度逐概念验证对齐
2. 作者构建存在/缺失标注与 LLM 引导概念替换的验证标签，并提出敏感度-不变性比率
3. 论文报告概念级评分可改善问答与相似度评估器，可作为全局相似度的细粒度补充

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。