입력 추적과 출력 검증: 음악 생성에서의 기여도 귀속 검증
Tracing Inputs, Verifying Outputs: Validating Attribution in Music Generation
AI가 생성한 음악 결과물에 누구의 음악이 기여했는지 어떻게 검증할 수 있을까요? 본 논문에서는 입력 기반 귀속(attribution)이 생성 과정에 어떤 오디오 소스가 사용되었으며 그것이 출력에 실질적인 영향을 미쳤는지를 입증하는 검증 가능한 근거를 어떻게 제공할 수 있는지 보여줍니다. 이를 위해 텍스트 입력 없이 오디오 조건만을 기반으로 생성을 수행한 뒤, 각 출력의 배경이 되는 입력을 추적하여 그 음악적 영향을 규명합니다. 프롬프트 준수 테스트와 통제된 입력 교체 실험에서, 자체 개발한 생성기인 MixAudio가 생성한 스템(stem) 음원들은 음색 면에서는 프롬프트 오디오를, 화음 면에서는 컨텍스트 오디오를 따르는 것으로 나타났습니다. 그러나 이러한 출력물은 입력으로 제공되지 않은 학습(training) 데이터를 여전히 재현할 가능성이 있습니다. 따라서 음악 버전 식별 모델(model)인 musicDNA를 통해 암기(memorization) 현상을 감사한 결과, 입력 기록 외의 재현 사례는 거의 발견되지 않았습니다. 플래그가 지정된 후보군 내에서 사람이 직접 판정한 사례를 기준으로, 이 모델은 테스트된 다른 암기 탐지기보다 더 높은 정밀도(precision)와 재현율(recall)을 달성했습니다. 두 가지 평가는 입력 기록과 출력 분석이 귀속을 위한 상호보완적인 근거를 제공함을 시사하며, 이는 AI 음악 경제가 형성됨에 따라 권리자 보고 및 보상 체계에 활용될 수 있습니다. 오디오 예제는 https://neutune.github.io/attr2027demo/ 에서 확인할 수 있습니다.