표현력 있고 인간과 유사한 음악 생성은 인공지능(AI) 분야에서 여전히 중요한 도전 과제이다. 딥러닝이 AI 음악 작곡과 전사에 진전을 이루었지만, 현재 모델들은 종종 장기 구조의 일관성과 감정적 뉘앙스에서 어려움을 겪는다. 본 연구는 MAESTRO 데이터셋을 활용한 AI 생성 음악 작곡 및 전사를 위해 Long Short-Term Memory(LSTM) 네트워크, Transformer 모델, Generative Adversarial Networks(GANs) 세 가지 주요 딥러닝 아키텍처를 비교 분석한다. 우리의 주요 혁신은 객관적 지표(혼란도, 화성 일관성, 리듬 엔트로피)와 50명의 청취자가 참여한 Mean Opinion Score(MOS) 연구를 통한 주관적 인간 평가를 결합한 이중 평가 프레임워크의 통합에 있다. Transformer 모델은 전체적으로 가장 우수한 성능(혼란도: 2.87, 화성 일관성: 79.4%, MOS: 4.3)을 보이며, 음악적으로 풍부하고 표현력 있는 출력을 생성하는 우수성을 나타냈다. 그러나 인간 작곡은 인지 품질(MOS: 4.8)에서 가장 높았다. 우리의 결과는 미래 AI 음악 시스템을 위한 벤치마킹 기반을 제공하며, 감정 인지 모델링, 실시간 인간-AI 협업 및 강화 학습의 필요성을 강조하여 기계 생성 음악과 인간 연주 음악 간 격차를 줄여야 함을 시사한다.
Man Zhang (Thu,) 이 이 질문을 연구했다.