AI-drevne musikredigeringsværktøjer vinder frem i film-, tv- og spilproduktion, men et nyt forskningsinitiativ peger på et overset problem: Mange systemer formår ikke at bevare de musikalske facetter, der bør forblive urørte under redigering – eksempelvis rytme, melodi eller instrumenternes klang. Forskerne bag MuseCPEval, et nyt evalueringsframework, argumenterer for, at eksisterende tests er utilstrækkelige, fordi de ikke dækker alle relevante aspekter af musikalsk kontekst.
MuseCPEval introducerer fire kategorier af musikalske facetter med finmaskede og skræddersyede målemetoder, der fanger nuancerede ændringer i musikalske attributter. Frameworket er blevet valideret både objektivt og gennem en menneskelig undersøgelse, hvilket styrker troværdigheden af dets målinger. Casestudier på forskellige musikredigeringssystemer viser, at værktøjet kan fungere som en testbænk og et diagnostisk redskab, der afdækker styrker og svagheder ved eksisterende systemer.
For beslutningstagere i musik- og underholdningsindustrien betyder dette, at valget af AI-redigeringsværktøj bør baseres på mere end blot output-kvalitet. Manglende kontekstbevaring kan føre til uventede ændringer i musikalske elementer, hvilket kan være kritisk i professionelle produktioner, hvor præcision er afgørende. MuseCPEval giver dermed et fælles sprog til at vurdere og sammenligne systemer, hvilket kan hjælpe med at træffe mere informerede købs- og udviklingsbeslutninger.
