APEX: Predição de Popularidade em Larga Escala com Base Estética para Música Gerada por IA

Resumo

A previsão da popularidade musical tem atraído crescente interesse de pesquisa, com relevância para artistas, plataformas e sistemas de recomendação. No entanto, a explosão de plataformas de música gerada por IA criou um cenário totalmente novo e largamente inexplorado, onde uma enxurrada de músicas é produzida e consumida diariamente sem os marcadores tradicionais de reputação do artista ou apoio de gravadoras. Um aspeto crucial, mas ainda não explorado nesta busca, é a qualidade estética. Propomos o APEX, a primeira estrutura de aprendizagem multi-tarefa em larga escala para música gerada por IA, treinada em mais de 211 mil músicas (10 mil horas de áudio) do Suno e Udio, que prevê conjuntamente sinais de popularidade baseados no envolvimento - pontuações de transmissões e 'gostos' - juntamente com cinco dimensões de qualidade estética perceptual, a partir de *embeddings* de áudio congelados extraídos do MERT, um modelo de compreensão musical auto-supervisionado. A qualidade estética e a popularidade capturam aspetos complementares da música que, em conjunto, se mostram valiosos: numa avaliação com dados fora da distribuição (*out-of-distribution*) no conjunto de dados Music Arena, que compreende 'batalhas' de preferência humana em pares através de onze sistemas de música generativa não vistos durante o treino, a inclusão de características estéticas melhora consistentemente a previsão de preferência, demonstrando uma forte generalização das representações aprendidas através de arquiteturas generativas.

English

Music popularity prediction has attracted growing research interest, with relevance to artists, platforms, and recommendation systems. However, the explosive rise of AI-generated music platforms has created an entirely new and largely unexplored landscape, where a surge of songs is produced and consumed daily without the traditional markers of artist reputation or label backing. Key, yet unexplored in this pursuit is aesthetic quality. We propose APEX, the first large-scale multi-task learning framework for AI-generated music, trained on over 211k songs (10k hours of audio) from Suno and Udio, that jointly predicts engagement-based popularity signals - streams and likes scores - alongside five perceptual aesthetic quality dimensions from frozen audio embeddings extracted from MERT, a self-supervised music understanding model. Aesthetic quality and popularity capture complementary aspects of music that together prove valuable: in an out-of-distribution evaluation on the Music Arena dataset, comprising pairwise human preference battles across eleven generative music systems unseen during training, including aesthetic features consistently improves preference prediction, demonstrating strong generalisation of the learned representations across generative architectures.