Este artículo estudia técnicas de ajuste fino con eficiencia de parámetros (PEFT), en particular métodos basados en adaptadores, para modelos de generación musical a gran escala como MusicGen y Mustango. Exploramos diseños óptimos de adaptadores comparando diversas configuraciones (arquitectura, diseño y tamaño) para dos géneros musicales con recursos limitados: música clásica indostánica y música makam turca. Observamos que los adaptadores basados en convolución destacan en la precisión de los detalles musicales, mientras que los adaptadores basados en transformadores preservan mejor las dependencias a largo plazo. Además, observamos que un adaptador de tamaño mediano (40 millones de parámetros) ofrece el equilibrio óptimo entre expresividad y calidad. Mustango (un modelo basado en difusión) ofrece una excelente diversidad, pero presenta inestabilidad, mientras que MusicGen (un modelo autorregresivo) se entrena rápidamente y produce artefactos de alta calidad, aunque con cierta redundancia.
