生成式音乐：模型、控制与评估

生成模型可预测下一个音符、学习潜空间或从文本生成音频。输出像音乐不等于理解创作，也不等于拥有训练素材权利。评价需要技术、音乐、来源与使用场景多个维度。

符号与音频生成

MIDI式符号模型处理音高、时值和力度，易编辑却不含完整音色；音频模型直接生成波形或潜表示，能表达音色但计算大、结构控制难。选择由作品目标决定。

条件控制

和弦、节拍、曲式、文本或参考音频可约束生成。控制有效性要测输出是否真正遵循条件，而不是只挑成功例子展示。

长期结构

局部几秒连贯不保证数分钟有发展。可分层生成段落计划与细节，或由人先给形式再让模型填充。模型不是必须接管全部决策。

评估

损失或自动分数与音乐价值不等价。做响度匹配盲听，评价连贯、控制、音质和新颖，同时报告失败率与人工筛选量。

记忆与复制

检查输出是否与训练样本过度相似，尤其罕见歌词、旋律与音色。过滤不能替代合法数据来源、授权和适当披露。

随机种子、模型版本、提示和后期编辑都应保存，使作品贡献可追踪。人类评审者要避免知道模型名称造成品牌偏见，并允许评价“都不可用”而非强迫二选一。

练习：给同一音乐条件生成多份结果，建立盲评表并记录筛选前全部输出分布。