HAIM：追踪AI在音乐制作各阶段的参与

随着 Suno 和 Udio 等生成平台达到人类级音频质量，人工智能的实用范围已经扩展到整个音乐制作工作流程。除了简单的曲目生成之外，这些进步还促进了多种形式的人工智能驱动方法的采用。其中包括声音合成、编曲和专业母带处理。然而，当前的检测研究仍然很大程度上局限于“人工智能或人类”二元范式。它未能反映当代音乐制作工作流程的现实。在现实世界的制作中，人工智能工具越来越多地用于改进人类制作曲目或对其进行母带处理，人类工程师同样对人工智能生成的材料进行后处理，以确保专业质量。此外，用户经常采用对抗策略来绕过人工智能检测器，例如将人类母带应用于人工智能生成的曲目。这会产生简单的二元分类无法捕获的灰色区域。在本文中，我们定义并研究了“人工智能音乐跟踪”：在音乐制作的多方面范围内识别特定人工智能集成的挑战。为此，我们引入了 HAIM，这是一个针对音乐制作阶段具有多种标签的数据集。它旨在隔离人工智能干预的各个阶段，包括混合生产和代理级跟踪。我们对最先进探测器的评估揭示了系统性缺陷。通过发布 HAIM，我们提出了一个新的基准，该基准将领域从二元分类转向对 AI 音乐进行精细、结构化的评估。