arXiv cs.AI· Di Zhu, Zihan Chen, Zixuan Li·· 13 小时前AI 评分34
MuQ-Eval：开源的单样本 AI 音乐生成质量评估指标
MuQ-Eval: An Open-Source Per-Sample Quality Metric for AI Music Generation Evaluation
AI 导读
MuQ-Eval 是面向 AI 生成音乐的开源单样本质量指标，在冻结的 MuQ-310M 特征上训练轻量预测头，系统级 SRCC 达 0.957、语句级 SRCC 达 0.838。该指标在单张消费级 GPU 上实时运行，性能优于现有开源单样本指标，代码、模型权重与评估脚本均已公开。消融实验显示编码器选择是主导设计因素，仅用 150 个片段训练的 LoRA 适配模型即可达到可用相关性。
正文 · AI 翻译
摘要：Fréchet Audio Distance 等分布度量无法对单个音乐片段进行评分，且与人类判断的相关性较差，而唯一达到高人类相关性的逐样本学习度量是闭源的。我们提出 MUQ-EVAL，这是一个开源的 AI 生成音乐逐样本质量度量，通过在冻结的 MuQ-310M 特征上训练轻量级预测头构建，所用数据集 MusicEval 包含来自 31 个文本到音乐系统的生成片段及专家质量评分。我们最简单的模型——冻结特征加注意力池化和两层 MLP——在系统级 SRCC = 0.957、话语级 SRCC = 0.838 上与人类平均意见得分相关。对训练目标和适应策略的系统性消融表明，没有任何添加能显著改善冻结基线，说明冻结的 MuQ 表示已捕获质量相关信息。编码器选择是主导设计因素，其影响超过所有架构和训练决策。仅用 150 个片段训练的 LoRA 适应模型就已达到可用的相关性，从而能够基于单个听众标注实现个性化质量评估器。受控退化分析揭示了对信号级伪影的选择性敏感，但对音乐结构失真不敏感。我们的度量 MUQ-EVAL 完全开源，优于现有的开放逐样本度量，并可在单块消费级 GPU 上实时运行。代码、模型权重和评估脚本可在 此 https URL 获取。
| 评论： | 10 页，6 幅图 |
| 主题： | 人工智能（cs.AI）；声音（cs.SD） |
| ACM 分类： | I.2.6; J.5; H.5.5 |
| 引用为： | arXiv:2603.22677 [cs.AI] |
| （或此版本的 arXiv:2603.22677v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2603.22677 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Di Zhu [查看电子邮件]
[v1]
2026 年 3 月 24 日星期二 00:57:03 UTC（72 KB）
[v2]
2026 年 10 月 28 日星期三 21:05:16 UTC（85 KB）
来源：arXiv cs.AI · arxiv.org