MQAScore：基于LALM的音乐文本对齐评测

2026年10月23日，arXiv 平台收录了新论文《MQAScore: 基于大型音频语言模型的细粒度文本-音乐对齐评估》。该研究由 Wei-Jaw Lee 等提出，旨在解决传统全局相似度评分在文本到音乐对齐评测中可靠性不足的问题。论文的核心方法是利用大型音频语言模型（LALM）验证原子音乐概念，取代单一的全局评分指标。 在具体实现上，MQAScore 构建了 LLM 引导的概念替换验证标签，并在风格、乐器、情绪、人声和用途 5 个原子维度上进行验证。评估时，模型通过回答二选一问题，计算 LALM 肯定回答的概率作为对齐得分。 为验证该评测方法本身的可靠性，研究团队进一步提出了敏感性不变比（Sensitivity-Invariance Ratio）这一新指标。论文的实验结果表明，与传统全局评分相比，MQAScore 提供了更可靠且可解释的细粒度对齐评估，可作为传统方法的补充使用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。