문장과 긴 음악의 연결
음악은 짧은 소리의 질감뿐 아니라 긴 흐름의 구조를 가진다. Mousai는 텍스트의 조건을 음악으로 연결하면서 여러 분 길이의 생성을 다루기 위해 제안됐다.
두 단계 잠재 확산
계단식으로 연결한 두 단계의 잠재 확산 모델을 사용한다. 논문은 48킬로헤르츠 스테레오 음악 생성과 여러 기준에 따른 비교를 제시한다.
품질과 효율의 조건
연구는 생성 품질과 긴 구조, 추론 효율을 함께 분석한다. 특정 장비와 설정의 속도 관측을 모든 장비의 실시간 동작으로 일반화할 수 없으며 길이와 품질의 관계도 확인해야 한다.
구조와 음질의 구분
짧은 구간이 깨끗하게 들려도 여러 구간이 자연스럽게 이어지는지는 다른 문제다. 긴 곡의 생성에서는 각 순간의 음질과 앞뒤 음악적 흐름의 일관성을 함께 살펴야 한다.
관련 문서
MusicLM / MusicGen / AudioLDM / Tango 오디오 생성 / Mustango / SongEval