AI 음악 생성기 수노(Suno)의 입력값과 반영값의 관계 분석
An Analysis of Input-Output Relationships in the AI Music Generator Suno
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 AI 음악 생성기 Suno의 작곡 성능을 평가하고, 다양한 음악 요소 입력에 대한 반영률을 분석하 는 것을 목적으로 한다. 특히, 음악 요소의 단일 및 다중 조합이 생성물의 품질에 미치는 영향을 파악하고자 했다. 연구에서는 리듬, 장르, 악기, 빠르기, 감정/분위기를 주요 음악 요소로 선정하여 Suno에 입력했다. 이 요소들을 단일 또는 2개, 3개, 4개, 5개 조합으로 다양하게 구성하여 실험을 진행했다. 생성된 음악에 대한 입력 요소의 반영률을 분석하여 Suno의 작곡 성능을 정량적으로 평가했다. Suno의 음악 요소별 평균 반영률은 78.3%로 나타났으며, 리듬(88.5%)이 가장 높고 감정/분위기(69.2%) 가 가장 낮았다. 음악 요소 조합의 경우, 단일 요소 입력 시 반영률(85.3%)이 가장 높았으며, 조합하는 요소 의 수가 증가할수록 반영률은 감소하는 경향을 보였다(예: 4개 요소 조합 시 75.3%). 이는 Suno가 기본적인 리듬과 빠르기 요소를 효과적으로 반영하는 반면, 감정이나 분위기와 같은 추상적인 요소의 표현력이 부족함 을 시사한다. 또한, 복합적인 요소 조합 시 성능이 저하되며, 특정 악기(오케스트라)나 장르(행진곡)에서 낮은 반영률을 보였다. 이러한 결과는 향후 Suno의 입력값 반영률 개선 및 AI 음악 생성기 활용 교육 목적에 대한 추가 연구의 필요성을 제언한다.
Abstract
This study aims to evaluate the compositional performance of the AI music generator Suno and an- alyze the reflection rate of various musical element inputs. Specifically, it sought to identify the im- pact of single and multiple combinations of musical elements on the quality of the generated output. The study selected rhythm, genre, instrumentation, tempo, and emotion/mood as key musical ele- ments and input them into Suno. These elements were configured in various combinations: single, two, three, four, and five elements. The reflection rate of the input elements in the generated music was then analyzed to quantitatively assess Suno's compositional performance. Suno's average reflection rate across musical elements was 78.3%, with rhythm (88.5%) being the highest and emotion/mood (69.2%) being the lowest. For musical element combinations, the reflection rate was highest for single element inputs (85.3%), and tended to decrease as the number of com- bined elements increased (e.g., 75.3% for four-element combinations). This suggests that while Suno effectively reflects basic rhythm and tempo elements, its expressive capability for abstract elements like emotion or mood is limited. Furthermore, performance degraded with complex element combi- nations, showing low reflection rates for specific instruments (orchestra) and genres (march). These findings suggest the need for further research on improving Suno's input reflection rates and on the educational applications of AI music generators.