Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Double Entendre: Robust Audio-Based AI-Generated Lyrics Detection via Multi-View Fusion

Created by
  • Haebom

저자

Markus Frohmann, Gabriel Meseguer-Brocal, Markus Schedl, Elena V. Epure

개요

본 논문은 AI 기반 음악 생성 도구의 발전으로 인해 발생하는 저작권 및 음악 산업 전반의 문제점을 해결하기 위해, AI 생성 음악을 탐지하는 새로운 방법을 제시합니다. 기존의 오디오 또는 가사 기반 탐지기의 한계(오디오 기반 탐지기의 일반화 및 잡음 취약성, 가사 기반 탐지기의 정확한 가사 데이터 부족)를 극복하기 위해, 자동 전사된 노래 가사와 오디오 내 가사 관련 정보를 포착하는 음성 특징을 결합하는 다중 모드, 모듈형 후기 융합 파이프라인을 제안합니다. 이 방법은 오디오에서 직접 가사적 측면을 활용하여 강건성을 높이고 저수준 아티팩트에 대한 민감도를 완화하여 실제 적용 가능성을 높입니다. 실험 결과, 제안된 DE-detect 방법은 기존 가사 기반 탐지기보다 성능이 우수하고 오디오 잡음에도 더 강건함을 보여줍니다. 코드는 깃허브에 공개되어 있습니다.

시사점, 한계점

시사점:
AI 생성 음악 탐지의 실용적인 문제점 해결을 위한 새로운 다중 모드 접근 방식 제시.
오디오 잡음에 강건하고 일반화 성능이 우수한 AI 생성 음악 탐지 모델 개발.
기존 방법보다 향상된 성능을 보이는 실험 결과 제시.
공개된 코드를 통해 재현성 및 활용성 증대.
한계점:
제안된 방법의 성능은 특정 데이터셋에 대한 실험 결과에 기반하며, 다양한 음악 장르 및 AI 생성 모델에 대한 일반화 성능 검증이 추가적으로 필요할 수 있습니다.
자동 가사 전사의 정확도에 따라 탐지 성능이 영향을 받을 수 있습니다.
새로운 AI 음악 생성 모델의 등장에 따라 지속적인 모델 업데이트 및 재훈련이 필요할 수 있습니다.
👍