CloudEar：整合感知、诊断和跨模式证据进行音乐评估

评估生成的音乐需要对感知质量、技术音频质量和提示对齐进行建模。现有方法经常忽视信号级缺陷，产生压缩的质量分数，并错过文本提示中细粒度的音乐属性。我们提出了 CloudEar，一个用于评估音乐性和提示对齐的成对框架。它由三个部分组成：i) 负责歌曲质量评估的感知专家； ii) 用于学习和信号级质量分析的诊断专家； iii) 跨模态专家，用于根据音乐属性进行提示-歌曲对齐。实验表明，CloudEar 在成对偏好准确性和分数相关性方面优于比较基线。