MIRA：一种使文本到音乐生成与用户意图对齐的音乐意图细化智能体

文本到音乐系统生成的音频日益逼真，但现有评估难以揭示生成结果是否符合用户意图。全局文本与音频相关性分数可能忽略描述不充分的提示中隐含的意图，并掩盖在乐器配置、结构、节奏或情绪推进等具体要求上的不足。为弥合这一差距，我们将文本到音乐的意图对齐表述为满足针对每项请求制定的评估准则，其中包含可独立验证的条目，既涵盖请求的显式要求，也涵盖其隐含的音乐意图。对各条目单独评分，使评估能够按意图来源和音乐维度诊断问题，而非仅给出单一且不透明的分数。我们将这一方法具体实现为 MuRA-Bench，这是一个由音乐专家整理、基于真实平台请求构建的基准。我们进一步提出 MIRA（Musical Intent Refinement Agent），一种测试时智能体：它首先将请求意图具体化为评估准则，然后在有限预算下，为黑盒生成器搜索提示的修订方案，迭代地生成音乐、依据评估准则进行验证，并利用这些反馈引导能够感知搜索轨迹的树搜索。在开源和商业后端上的实验表明，MIRA 能够提升意图对齐程度，使开源生成器达到与代表性商业系统（如 Suno 和 Mureka）相当的性能。项目页面：https://mirareview.github.io/。