Los oyentes identificaron la emoción buscada por un generador de música para videojuegos solo el 34% de las veces, frente al 25% por azar, y las piezas compuestas por humanos en la misma prueba obtuvieron el mismo 34% (Ferreira, Lelis y Whitehead, AIIDE 2020). Ese resultado define el campo: el objetivo es difícil incluso para la música humana. El sistema adaptativo de Hutchings y McCormack logró un resultado significativo de inmersión dentro de cada grupo, pero ninguna de sus cuatro comparaciones entre grupos cayó por debajo de p = 0,05 (IEEE Transactions on Games 2019). En Steam, los juegos que declaran usar IA generativa reciben una tasa de recomendación del 68,4%, frente al 86,3% de los juegos de contenido procedural, aunque esa cifra abarca juegos completos y no la música (Bazzaz y Cooper, preprint de arXiv 2026). Reunimos datos de IEEE Transactions on Games, AIIDE, ISMIR, la IEEE Conference on Games y estudios con jugadores revisados por pares. Este informe se centra en los sistemas y sus evaluaciones, así que conviene leerlo junto con nuestras estadísticas de bandas sonoras de videojuegos para el lado comercial de las bandas sonoras.
TL;DR
- 34% de aciertos en valencia más activación frente al 25% por azar, con las piezas humanas también en 34% (Ferreira et al., AIIDE 2020, 116 participantes).
- Inmersión con p = 0,121 para Zelda y p = 0,053 para StarCraft II, sistema adaptativo vs banda sonora original (Hutchings y McCormack, IEEE Transactions on Games 2019, 34 jugadores).
- La música adaptativa aumentó la presencia y el impacto emocional en un tiro con arco en RV (Wen et al., IEEE TVCG 2026, 22 participantes).
- Calidad general en una escala de 1 a 5: humano 4,11, mejor generador 3,94 (Ferreira et al., AIIDE 2022, 199 respuestas válidas).
- La tasa de victorias de un agente de juego que solo escucha el audio subió de 0,52 a 0,94 con música adaptativa (Khan et al., IEEE CoG 2023, 90 rondas por condición).
- MusicGen produjo fragmentos de 8 segundos en menos de 4 segundos en una máquina de prueba (Marrinan et al., preprint de arXiv 2024).
- 5.278 canciones de 397 juegos en el NES Music Database (Donahue et al., ISMIR 2018).
- 98.940 clips de juego emparejados con música de 389 juegos (Cardoso et al., FDG 2024).
- El 38,87% de los códigos de las entrevistas eran preocupaciones y el 13,09% eran beneficios (Worrall y Collins, IEEE Transactions on Games 2023, 11 compositores).
- Tasa de recomendación en Steam del 86,3% para juegos de contenido procedural vs 68,4% para juegos con IA generativa (Bazzaz y Cooper, preprint de arXiv 2026).
1. Estudios con Jugadores: la Tensión Se Mueve, la Inmersión Es Más Difícil de Probar
Ninguna de las cuatro comparaciones entre grupos del estudio de Hutchings y McCormack cayó por debajo de p = 0,05, aunque la prueba intragrupo del artículo sí lo hizo. El titular ‘los jugadores se sintieron más inmersos’ es cierto respecto a cómo cambió cada persona, no como una victoria limpia sobre la banda sonora original. Muestras tan pequeñas solo pueden detectar efectos grandes, así que un casi acierto con p = 0,053 no es evidencia ni de éxito ni de fracaso.
La tensión es el resultado más sólido. En Galactic Escape, el juego de prueba de la Simon Fraser University, una banda sonora adaptativa aumentó la tensión experimentada incluso cuando se asignó al revés respecto a la curva de tensión del juego. Eso sugiere que una música que responde de forma audible puede importar más que una música que responde correctamente, algo que debería hacer pensar a quien dedica semanas a las reglas de asignación. Wen et al. (2026) añaden una advertencia desde la RV: una tensión musical moderada mejoró la puntería y el tiempo de apuntado, y una tensión alta perjudicó ambos, con forma de U invertida.
| Métrica | Valor | Fuente |
|---|---|---|
| Banda sonora fija vs banda sonora generativa adaptativa en tiro con arco en RV, diseño intrasujetos | 22 participantes, 4 fases de tensión; la presencia y el impacto emocional aumentaron | Wen et al., IEEE Transactions on Visualization and Computer Graphics 2026 |
| Inmersión, sistema adaptativo vs banda sonora original del juego Zelda: MoS | p = 0,121, η² = 0,042 (34 jugadores, 2 grupos de 17, sesiones de 20 minutos) | Hutchings y McCormack, IEEE Transactions on Games 2019 |
| Inmersión, sistema adaptativo vs banda sonora original de StarCraft II | p = 0,053, η² = 0,079 | Hutchings y McCormack, IEEE Transactions on Games 2019 |
| Efecto declarado de la música sobre la inmersión, dentro de cada grupo, con el sistema adaptativo | Aumento significativo en ambos grupos (p<0,05, prueba de rangos con signo de Wilcoxon) | Hutchings y McCormack, IEEE Transactions on Games 2019 |
| Tensión experimentada, media por banda sonora: asignada a la tensión 0,62, asignación inversa 0,61, sin música 0,55, neutra 0,49 | F(3, 87) = 3,662, p = 0,015, η² parcial = 0,112 (30 jugadores conservados de 35 reclutados) | Plut, tesis doctoral, Simon Fraser University 2022 |
| Banda sonora generativa vs banda sonora lineal compuesta vs banda sonora adaptativa compuesta | 48 participantes; la lineal obtuvo la mejor nota en todas las preguntas, la generativa quedó muy cerca en congruencia emocional, inmersión y preferencia | Plut, tesis doctoral, Simon Fraser University 2022 |
| Banda sonora generativa vs lineal en un juego tipo Tetris | 39 estudiantes de grado; hipótesis no respaldadas, los jugadores no pudieron distinguir las dos, el flow igualmente se vio afectado | Sites y Potter, Game Studies 2018 |
| Conjunto de entrenamiento con estado de ánimo valorado de un generador de música para un juego web, luego pruebas A/B contra música estática | 80 piezas valoradas; la adaptabilidad no necesariamente mejoró respecto a la música compuesta | Adam, tesis de maestría, Cal Poly 2014 |
Las dos filas más antiguas aportan matices. Sites y Potter observaron un flow más alto (un estado de absorción enfocada y gratificante) entre quienes jugaron primero la versión generativa (muestra tomada del resumen del Playlab de la Tampere University), y la tesis de AUD.js no encontró una mejora automática frente a una banda sonora compuesta.
Dato más reciente disponible para este tema: Wen et al. 2026. Todos los demás estudios aquí son de 2014 a 2022.
2. Evaluaciones de Oyentes: ¿Sobrevive la Emoción Buscada?
Las piezas compuestas por humanos no puntuaron mejor que el generador en la prueba de Bardo Composer: ambos quedaron en 34%. Eso es un baño de realidad sobre la tarea más que un fallo del modelo. Identificar a la vez la valencia (cuán agradable o desagradable resulta la música) y la activación (cuán tranquila o enérgica resulta) es sencillamente difícil, y a cualquier proveedor que afirme un direccionamiento emocional casi perfecto habría que preguntarle qué puntuó la línea base humana.
Las valoraciones de calidad cuentan una historia más ajustada. El estudio de AIIDE 2022 situó a su mejor generador a 0,17 puntos de la música humana (4,11 menos 3,94), aunque solo 199 respuestas sobrevivieron al filtrado entre 1.600 reclutados, un recordatorio de que los datos de escucha de trabajadores de crowdsourcing son ruidosos antes de ser informativos. Una prueba más pequeña de Yan (preprint de arXiv 2023) con 16 arreglos de piano de juegos de ritmo también halló que los oyentes preferían la música hecha por humanos; no indica el número de encuestados.
| Métrica | Valor | Fuente |
|---|---|---|
| Bardo Composer (un generador para sesiones de juegos de rol de mesa): aciertos en valencia y activación a la vez | 34% vs 25% por azar, p = 0,02 (116 participantes, 2 grupos de 58) | Ferreira, Lelis y Whitehead, AIIDE 2020 |
| Bardo Composer: aciertos en la activación buscada, mejor tramo reportado (episodio 4, parte 1) | 87% de los participantes | Ferreira, Lelis y Whitehead, AIIDE 2020 |
| Calidad general, escala de 1 a 5, media ± DE | Humano 4,11 ± 0,73, método de búsqueda en árbol (PUCT) 3,94 ± 0,76, CS 3,68 ± 0,96, SBBS 3,62 ± 1,01 (199 respuestas válidas de 1.600 reclutados, 80 piezas por generador) | Ferreira et al., AIIDE 2022 |
| Clips emocionales compuestos, acuerdo de los oyentes en el diseño de un solo ranking | 58,5% en total: valencia 59,2%, activación 59,4%, tensión 56,8% (180 participantes, 90 clips) | Plut, tesis doctoral, Simon Fraser University 2022 |
| Conjuntos de clips en los que los oyentes confirmaron las etiquetas del compositor | 19 de 30 coincidieron, 10 discreparon, 1 no tuvo un acuerdo claro | Plut, tesis doctoral, Simon Fraser University 2022 |
Incluso los clips escritos para una emoción objetivo la fallaron: 10 de 30 conjuntos fueron en sentido contrario. Los sistemas generativos entrenados con esas etiquetas heredan ese desacuerdo.
Dato más reciente disponible: Ferreira et al., AIIDE 2022. No encontramos ningún estudio con oyentes de 2025 o 2026 de este tamaño para música de videojuegos.
3. Mediciones de los Sistemas: Velocidad, Estabilidad y Comportamiento
La tasa de victorias de un agente de juego que solo escucha el audio subió de 0,52 a 0,94 cuando la música de fondo empezó a seguir la salud y la distancia del jugador. Ningún humano jugó en ese estudio de IEEE CoG, que usa reglas simples de volumen sobre grupos de instrumentos separados. Aun así, deja un punto útil: la música adaptativa puede transportar el estado del juego, no solo el ánimo. Los juegos de ritmo llevan esa idea más lejos, aunque sus pistas están licenciadas y no generadas, como muestran nuestras estadísticas de licencias de música para juegos de ritmo.
La velocidad es desigual. Un modelo de fragmentos superó el tiempo real en una máquina de prueba, mientras que un pipeline pesado de transformers seguía funcionando sin conexión. La estabilidad ante los prompts es la preocupación más nueva: Wu y Si (IVA 2026) probaron si pequeñas ediciones del prompt causan saltos musicales bruscos, lo que rompería una banda sonora que cambia los prompts durante el juego.
| Métrica | Valor | Fuente |
|---|---|---|
| Tiempo para generar un fragmento de 8 segundos con MusicGen (CPU Threadripper 2950X, GPU RTX 2080) | Menos de 4 segundos | Marrinan et al., preprint de arXiv 2024 |
| Ciclo de actualización de los mensajes de estado del juego de un sistema de música adaptativa | Cada 30 ms, con agentes que escriben dos compases (tramos de música) a la vez | Hutchings y McCormack, IEEE Transactions on Games 2019 |
| Arreglos únicos de una banda sonora generativa adaptativa | Casi 14 billones, generados sin conexión porque el modelo MMM es demasiado pesado para el tiempo real | Plut, tesis doctoral, Simon Fraser University 2022 |
| Similitud de audio tras un pequeño cambio en el prompt, MusicGen-large, similitud coseno CLAP (1,0 = idéntico) | 0,7666 con una palabra cambiada, 0,8202 con un cambio de intensidad (75 grupos de prompts en todas las condiciones, 6 semillas) | Wu y Si, IVA 2026 |
| Tasa de victorias, agente que solo escucha el audio con codificador de audio FFT, música original vs adaptativa | 0,52 vs 0,94; ventaja media en puntos de salud 27,03 vs 136,14 (90 rondas por condición) | Khan et al., IEEE CoG 2023 |
| Tasa de victorias, agente que solo escucha el audio con codificador de espectrograma mel, música original vs adaptativa | 0,56 vs 0,68 (90 rondas por condición) | Khan et al., IEEE CoG 2023 |
| Distancia de Audio de Fréchet (Frechet Audio Distance) a un conjunto de referencia cinematográfico de 32 horas, campaña de rol de mesa, cuanto menor, más cerca | Mejor generador 3,00 vs banda sonora humana original 9,66 | Marra y Ferreira, taller LAMIR (arXiv 2024) |
| Ajuste a la historia: divergencia respecto a la música de fondo original (KLD), cuanto menor, más cerca | Versión con prompt de emoción 3,34 ± 1,89 vs línea base 4,84 ± 2,98 | Marra y Ferreira, taller LAMIR (arXiv 2024) |
La fila de Fréchet requiere cuidado. Una distancia menor significa un audio estadísticamente más cercano a un conjunto de referencia cinematográfico, no una música mejor que la banda sonora humana. El artículo de Babel Bardo usó métricas automáticas en 2 campañas, sin prueba de preferencia humana, y trata los estudios con oyentes como trabajo futuro.
4. Datos de Entrenamiento: Corpus Construidos sobre Viejos Chips de Sonido
El NES Music Database reúne 5.278 canciones de 397 juegos, unas 46,1 horas en total. Una consola de los años ochenta sigue siendo central en la investigación de música de videojuegos porque sus canciones son compactas, multiinstrumentales y simbólicas, no porque se parezca a una banda sonora orquestal moderna. Conviene tener presente la distancia entre los datos de entrenamiento y las bandas sonoras publicadas: para alternativas licenciadas de bibliotecas, consulta nuestras estadísticas de bibliotecas de música de producción.
El hábito de evaluación importa tanto como el tamaño. Ni el NES Video-Music Database ni la línea base de YM2413-MDB usaron una prueba de escucha, apoyándose en métricas objetivas y clasificadores. La generación condicionada se acercó más a la música humana en las cinco métricas reportadas, y aun así un clasificador de género reconoció las piezas generadas con menos frecuencia que las humanas.
| Métrica | Valor | Fuente |
|---|---|---|
| Tamaño del NES Music Database | 5.278 canciones, 397 juegos, 296 compositores | Donahue et al., ISMIR 2018 |
| Volumen del NES Music Database | 2.325.636 notas, 46,1 horas | Donahue et al., ISMIR 2018 |
| Tamaño del NES Video-Music Database | 98.940 clips de 15 segundos de 389 juegos, 474 horas de video | Cardoso et al., FDG 2024 |
| Piezas con clips de juego emparejados, NES Video-Music Database | 4.070 de las 5.278 piezas | Cardoso et al., FDG 2024 |
| Similitud del patrón rítmico (grooving): modelo condicionado al video, modelo sin condicionar, piezas humanas | 0,821, 0,694, 0,999 (140 piezas por conjunto) | Cardoso et al., FDG 2024 |
| Exactitud del clasificador de género en piezas generadas vs piezas humanas | 22% vs 34% | Cardoso et al., FDG 2024 |
| YM2413-MDB, música de juegos con chip FM de los años ochenta con etiquetas de emoción | 669 archivos, 15,4 horas, 19 etiquetas de emoción, 2 anotadores más 3 verificadores por canción | Choi et al., ISMIR 2022 |
| Exactitud del reconocimiento de emoción en cuatro cuadrantes, YM2413-MDB | 0,65 la mejor con audio (ResNet de fragmentos cortos), 0,48 la mejor con música simbólica (regresión logística) | Choi et al., ISMIR 2022 |
Las etiquetas de emoción siguen siendo el recurso más escaso. VGMIDI comenzó con 823 piezas, de las cuales 95 fueron anotadas, lo que dio 966 frases etiquetadas y un clasificador de sentimiento con 89,83 ± 3,14% (Ferreira y Whitehead, ISMIR 2019). Su conjunto etiquetado creció después hasta 200 piezas (Ferreira, Lelis y Whitehead, AIIDE 2020). Las etiquetas de estructura son aún más escasas: un preprint de 2026 de Luo y Reiss construyó un conjunto de datos de audio de juegos con 309 anotaciones estructurales, y argumenta que el escaso dominio de la estructura es una de las razones por las que la industria rara vez usa generadores neuronales.
Dato más reciente disponible: Donahue et al. 2018, Ferreira y Whitehead 2019, Choi et al. 2022.
5. Compositores: la Calidad y la Identidad Pesan Más que el Miedo al Desempleo
‘La IA no genera música original ni de calidad humana’ fue el mayor subtema en un estudio de entrevistas con compositores profesionales de videojuegos, con 191 de 1.199 códigos. La seguridad laboral recibió solo 11. El instinto de leer este campo como un pánico laboral no concuerda con aquello en lo que estos 11 compositores gastaron realmente el tiempo de la entrevista: calidad, control creativo y propiedad. Eso replantea el encargo de diseño de las herramientas y se conecta con las cuestiones legales que seguimos en nuestras estadísticas de reclamaciones de derechos de autor por música generada con IA.
Se trata de recuentos de códigos de un análisis temático reflexivo hecho por un solo investigador, de modo que miden cuánto salió el tema, no cuántas personas sostienen una opinión. Trátalos como un mapa de la conversación, no como una encuesta.
| Métrica | Valor | Fuente |
|---|---|---|
| Muestra del estudio, compositores profesionales de videojuegos con al menos un juego publicado | 11 personas, unas 13 horas de entrevistas, 1.199 códigos | Worrall y Collins, IEEE Transactions on Games 2023 |
| Proporción de códigos sobre preocupaciones por la tecnología de música con IA | 38,87% | Worrall y Collins, IEEE Transactions on Games 2023 |
| Proporción de códigos sobre el choque entre el ego creativo y la IA vs proporción sobre los beneficios de la IA | 29,36% vs 13,09% | Worrall y Collins, IEEE Transactions on Games 2023 |
| Códigos sobre ‘la IA musical choca con el ego creativo’ vs ‘la IA puede beneficiar el flujo de trabajo’ | 133 vs 70 | Worrall y Collins, IEEE Transactions on Games 2023 |
| Códigos sobre preocupaciones por la seguridad laboral vs preocupaciones por la representación musical y la propiedad | 11 vs 83 | Worrall y Collins, IEEE Transactions on Games 2023 |
6. Contexto del Campo: Pocos Sistemas Estudiados, Jugadores de Steam Recelosos
El censo académico más completo que pudimos leer, de 2022, abarca solo 34 sistemas de música generativa de videojuegos, 19 de ellos de la década anterior. Un panorama más nuevo de Luo y Reiss (AES 2025) dice que los prototipos académicos y el uso comercial siguen divergiendo porque ambos lados priorizan de forma distinta la novedad, la fiabilidad y los recursos. Ningún conjunto de datos público que encontramos cuenta los juegos publicados que usan música procedural, así que cualquier cifra de ese tipo en internet merece desconfianza.
El indicador más cercano del sentimiento de los jugadores viene de Steam, y abarca juegos completos, no bandas sonoras. Este preprint de 2026 usó la generación procedural de contenido como línea base para los juegos que declaran usar IA generativa. Los reseñadores tendían a leer la IA generativa como señal de poca inversión del desarrollador, lo cual es una advertencia para cualquier herramienta de música comercializada con esa etiqueta.
| Métrica | Valor | Fuente |
|---|---|---|
| Sistemas de música generativa de juegos en un estudio académico | 34 sistemas, 19 de los 10 años previos al estudio | Plut, tesis doctoral, Simon Fraser University 2022 |
| Proporción de lanzamientos de Steam que declaran usar IA generativa | 5,6% en 2024, 10,3% en 2025 | Bazzaz y Cooper, preprint de arXiv 2026 |
| Tasa de recomendación, juegos de contenido procedural vs juegos con IA generativa | 86,3% vs 68,4% (5.186 vs 5.970 juegos, 508.192 reseñas en inglés) | Bazzaz y Cooper, preprint de arXiv 2026 |
| Resultado de la regresión logística para juegos con IA generativa vs juegos de contenido procedural | Odds ratio 0,63 (IC del 95% [0,62; 0,64], p < 0,001) | Bazzaz y Cooper, preprint de arXiv 2026 |
| Tasa de recomendación en juegos gratuitos vs juegos de pago, procedural vs IA generativa | Gratuitos 83,1% vs 50,1%; de pago 86,9% vs 78,9% | Bazzaz y Cooper, preprint de arXiv 2026 |
| Tasa de recomendación en reseñas que muestran conciencia de la IA generativa | 49,5% (63,7% de sentimiento negativo, n = 7.834) | Bazzaz y Cooper, preprint de arXiv 2026 |
Resumen: Sistemas de Música Procedural y Generativa para Videojuegos en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Oyentes de Bardo Composer que acertaron en valencia y activación | 34% vs 25% por azar (116 participantes) | Ferreira, Lelis y Whitehead, AIIDE 2020 |
| Calidad general, humano vs mejor generador, escala de 1 a 5 | 4,11 vs 3,94 (199 respuestas válidas) | Ferreira et al., AIIDE 2022 |
| Inmersión, sistema adaptativo vs banda sonora original de StarCraft II | p = 0,053 (34 jugadores) | Hutchings y McCormack, IEEE Transactions on Games 2019 |
| Tiro con arco en RV, música generativa fija vs adaptativa | 22 participantes, la presencia y el impacto emocional aumentaron | Wen et al., IEEE Transactions on Visualization and Computer Graphics 2026 |
| Banda sonora generativa vs lineal en un juego tipo Tetris | 39 estudiantes de grado, hipótesis no respaldadas | Sites y Potter, Game Studies 2018 |
| Arreglos únicos de una banda sonora generativa adaptativa | Casi 14 billones, solo sin conexión | Plut, tesis doctoral, Simon Fraser University 2022 |
| Tiempo de generación de un fragmento de 8 segundos con MusicGen | Menos de 4 segundos | Marrinan et al., preprint de arXiv 2024 |
| Similitud de MusicGen-large tras un cambio de intensidad en el prompt | 0,8202 de similitud coseno CLAP | Wu y Si, IVA 2026 |
| Tasa de victorias del agente que solo escucha el audio, música original vs adaptativa | 0,52 vs 0,94 | Khan et al., IEEE CoG 2023 |
| Distancia de Audio de Fréchet, mejor generador vs banda sonora humana | 3,00 vs 9,66 | Marra y Ferreira, taller LAMIR (arXiv 2024) |
| NES Music Database | 5.278 canciones, 397 juegos, 46,1 horas | Donahue et al., ISMIR 2018 |
| NES Video-Music Database | 98.940 clips, 389 juegos | Cardoso et al., FDG 2024 |
| YM2413-MDB | 669 archivos, 15,4 horas | Choi et al., ISMIR 2022 |
| Códigos de compositores sobre ‘sin originalidad ni calidad humana’ vs seguridad laboral | 191 vs 11 de 1.199 códigos | Worrall y Collins, IEEE Transactions on Games 2023 |
| Tasa de recomendación en Steam, juegos de contenido procedural vs IA generativa | 86,3% vs 68,4% | Bazzaz y Cooper, preprint de arXiv 2026 |
Metodología y Fuentes
Leímos cada estudio o su página de repositorio y reportamos las muestras tal como están impresas. Ninguna cifra proviene de un blog de SEO ni de una lista de artículos.
- Wen et al., Tuning Immersion and Performance with Adaptive Generative Music in VR, IEEE TVCG 2026
- Hutchings y McCormack, Adaptive Music Composition for Games, IEEE Transactions on Games 2019
- Plut, Application and evaluation of affective adaptive generative music for video games, Simon Fraser University 2022
- Ferreira, Lelis y Whitehead, Computer-Generated Music for Tabletop Role-Playing Games, AIIDE 2020
- Ferreira et al., Controlling Perceived Emotion in Symbolic Music Generation with Monte Carlo Tree Search, AIIDE 2022
- Ferreira y Whitehead, Learning to Generate Music With Sentiment, ISMIR 2019
- Worrall y Collins, Considerations and Concerns of Professional Game Composers Regarding Artificially Intelligent Music Technology, IEEE Transactions on Games 2023
- Donahue et al., The NES Music Database, ISMIR 2018
- Cardoso et al., The NES Video-Music Database, FDG 2024
- Choi et al., YM2413-MDB, ISMIR 2022
- Khan et al., Fighting Game Adaptive Background Music for Improved Gameplay, versión actualizada de IEEE CoG 2023
- Wu y Si, Evaluating Prompt Robustness in Text-to-Audio Systems, IVA 2026
- Marrinan et al., AI audio for user-generated game content, preprint de arXiv 2024
- Marra y Ferreira, Long-Form Text-to-Music Generation with Adaptive Prompts, taller LAMIR
- Bazzaz y Cooper, Player Perceptions of Generative AI in Games, preprint de arXiv 2026
- Luo y Reiss, Procedural Music Generation Systems in Games, AES 2025 y Supervised Learning for Game Music Segmentation, preprint de arXiv 2026
- Sites y Potter, Everything Merges with the Game, Game Studies 2018, con la muestra tomada del resumen del Playlab de la Tampere University
- Adam, Procedural Music Generation and Adaptation Based on Game State, tesis de maestría, Cal Poly 2014 y Yan, Generating Rhythm Game Music with Jukebox, preprint de arXiv 2023
- Nota sobre los datos: la mayoría de las muestras aquí son pequeñas, así que un resultado no significativo no prueba la ausencia de efecto. Worrall y Collins indican 29 subtemas en un lugar y 30 en otro (su tabla enumera 29), y su recuento de compositores AAA no cuadra, por lo que no citamos ninguno de los dos. El capítulo PreGLAM de Plut dice 50 participantes en la introducción y 48 en los métodos; usamos 48. En Wu y Si, la tabla del texto completo que leímos muestra una similitud menor de Stable Audio bajo reformulación de lo que implica el ranking del resumen, así que citamos solo las cifras de MusicGen-large, que concuerdan con el resumen. Khan et al. no usaron jugadores humanos y no reportan pruebas de significancia. El preprint de Steam abarca juegos completos y no está revisado por pares, y su tiempo de juego mediano difiere entre una tabla y el texto, así que omitimos esa cifra. Las entrevistas con compositores son de 2023 y el censo de sistemas es de 2022, por lo que ambos están pendientes de un sucesor. Las encuestas de música adaptativa hechas por proveedores que circulan en internet no pudieron rastrearse hasta un documento primario y se descartaron. Los recuentos de adopción comercial no estaban disponibles en una forma que pudiéramos verificar.
Última actualización: 31 de octubre de 2026. Actualizamos este informe trimestralmente, y la próxima revisión se espera cuando se publiquen las actas de AIIDE 2026 e ISMIR 2026.