MIRA: un agente per affinare l’intento musicale e allineare la generazione di musica da testo all’intento dell’utente

Abstract degli autori

I sistemi che generano musica da testo producono audio sempre più convincente, ma le valutazioni dicono poco su quanto il risultato corrisponda all’intento dell’utente. Un punteggio complessivo di pertinenza tra testo e audio può trascurare l’intento implicito nei prompt poco dettagliati e nascondere il mancato rispetto di requisiti specifici, come la strumentazione, la struttura, il ritmo o l’evoluzione dell’atmosfera. Per colmare questa lacuna, definiamo l’allineamento della generazione di musica da testo all’intento dell’utente come il rispetto, per ogni richiesta, di una griglia di criteri verificabili indipendentemente, che coprono sia i requisiti espliciti sia l’intento musicale implicito. Valutare ciascun criterio separatamente permette di individuare le carenze in base all’origine dell’intento e alla dimensione musicale, anziché ottenere un unico punteggio opaco. Realizziamo questo approccio con MuRA-Bench, un benchmark di richieste reali provenienti da piattaforme, selezionate da esperti di musica. Proponiamo inoltre MIRA (Musical Intent Refinement Agent), un agente che, al momento del test, traduce innanzitutto l’intento di una richiesta in griglie di valutazione, poi esplora revisioni del prompt per un generatore black-box entro un budget limitato: genera musica in modo iterativo, la verifica rispetto alle griglie e usa il riscontro per guidare una ricerca ad albero che tiene conto delle traiettorie. Esperimenti condotti con sistemi open source e commerciali mostrano che MIRA migliora l’allineamento all’intento, consentendo a un generatore open source di raggiungere prestazioni paragonabili a quelle di sistemi commerciali rappresentativi, come Suno e Mureka. Pagina del progetto: https://mirareview.github.io/.