迈向将 AI 生成音乐抄袭检测视为版本识别问题

arXiv:2610.09075v1 公告类型：交叉发布 摘要：文本到音乐生成模型的迅速发展，对传统的音乐创作与知识产权范式提出了挑战。在这一背景下，抄袭很少是数学上绝对的二元判定，而是围绕和声结构、旋律轮廓或整体感知到的风格特征协商界定的模糊阈值。在本研究中，我们测试了最先进的音乐版本识别架构从人类作品之间的翻唱领域迁移至 AI 对人类作品的抄袭场景的能力。为评估这项任务，我们推出了 COPYCAT，这是一个源自真实抄袭案例的基准，并通过生成式再合成和数字信号处理混淆进行扩展，形成了 350,654 个评估配对。我们表明，标量距离阈值判定在生成式再合成下失效，而利用嵌入向量逐坐标偏移的监督学习框架能够恢复分散的抄袭信号，将整体 $F_{0.5}$ 从 $0.612$ 提升至 $0.803$。