探索 LLM 南亚音乐的理解和生成

大语言模型 (LLM) 的最新进展在音乐理解和生成任务中显示出了有希望的结果。然而，现有的作品仍然局限于西方音调传统，对于当前的 LLM 是否可以处理结构上不同的低资源音乐传统几乎没有提供任何见解。我们对南亚古典音乐中的 LLM 能力进行了首次系统评估，南亚古典音乐是一种受拉格（raga）和基于塔拉（tala）的旋律约束支配的传统，其结构原则与西方和声驱动的音乐有着根本不同的结构原则。我们的评估基于印度斯坦古典理论和孟加拉古典形式，包括拉宾德拉和纳兹鲁尔桑吉特——南亚古典音乐中具有代表性的低资源传统。对于音乐理解评估，我们引入了涵盖拉格语法、文化知识和符号符号推理的 504 个问题答案基准，评估了 33 个 LLM，其中 Gemini 2.5 Pro 等前沿模型的准确率达到 85-90%，而大多数开源模型仍保持在 23-40% 的范围内。对于音乐生成，我们设计了一个五级控制提示框架，发现即使是最强的模型也只有 40% 的时间能够产生风格上忠实的输出。这些结果表明，音乐生成中的结构有效性和风格 忠实性 是不同的目标，并凸显了基于文化的音乐建模的公开挑战。