Libreto: Conferindo aos Agentes de LLM um Senso de Estrutura Musical

Resumo

Os sistemas de música generativa podem agora produzir áudio impressionante a partir de prompts textuais, mas as saídas de áudio são difíceis de inspecionar, editar e diagnosticar como estrutura musical. Apresentamos o Libretto, um framework orientado a agentes para geração e revisão de música simbólica. O Libretto utiliza uma gramática nativa de LLM com slots explícitos de onset, vozes e organização ao nível do compasso, e em seguida avalia cada peça num espaço estatístico calibrado por corpus sobre ritmo, harmonia, melodia, textura, forma e variação. Os mesmos eixos estruturais suportam recuperação, diagnóstico, controle de risco de cópia e autorrevisão iterativa. Em tarefas de preenchimento de lacunas, geração de peças completas guiada por referência, transformação gradual e geração de música educacional, o Libretto transforma a música simbólica de uma sequência bruta de tokens em um objeto mensurável e editável para agentes de modelo de linguagem.

English

Generative music systems can now produce impressive audio from text prompts, but audio outputs are difficult to inspect, edit, and diagnose as musical structure. We introduce Libretto, an agent-facing framework for symbolic music generation and revision. Libretto uses an LLM-native grammar with explicit onset slots, voices, and bar-level organization, then evaluates each piece in a corpus-calibrated statistical space over rhythm, harmony, melody, texture, form, and variation. The same structural axes support retrieval, diagnosis, copy-risk control, and iterative self-revision. Across gap filling, reference-guided full-piece generation, gradual morphing, and educational music generation, Libretto turns symbolic music from a raw token sequence into a measurable and editable object for language-model agents.