聴取者がゲーム音楽ジェネレーターの意図した感情を識別できたのは、偶然の25%に対して34%にとどまり、同じテストで人間が作曲した曲も同じ34%だった(Ferreira、Lelis、Whitehead、AIIDE 2020)。 この結果がこの分野の枠組みを示している。人間の音楽でさえ、目標の達成は難しい。HutchingsとMcCormackのアダプティブシステムは群内で有意な没入感の結果を得たが、4つの群間比較はいずれもp = 0.05を下回らなかった(IEEE Transactions on Games 2019)。Steamでは、生成AIの使用を開示したゲームの推奨率は68.4%で、手続き型コンテンツのゲームの86.3%を下回るが、この数値は音楽ではなくゲーム全体を対象としている(BazzazとCooper、arXivプレプリント2026)。当社はIEEE Transactions on Games、AIIDE、ISMIR、IEEE Conference on Games、および査読済みのプレイヤー調査からデータを集計した。このまとめはシステムとその評価に焦点を当てているため、ゲーム音楽の商業面については当社のゲームサウンドトラック統計と併せてお読みください。
主なポイント
- 感情価と覚醒度の同時正答率は34%、偶然は25%で、人間の曲も34%(Ferreira他、AIIDE 2020、116人の参加者)。
- 没入感はZeldaでp = 0.121、StarCraft IIでp = 0.053、アダプティブシステム対オリジナルスコア(HutchingsとMcCormack、IEEE Transactions on Games 2019、34人のプレイヤー)。
- アダプティブ音楽はVRアーチェリーで臨場感と感情的インパクトを高めた(Wen他、IEEE TVCG 2026、22人の参加者)。
- 1から5の尺度での総合品質は、人間が4.11、最良のジェネレーターが3.94(Ferreira他、AIIDE 2022、有効回答199件)。
- 音声のみで動作するゲームエージェントの勝率は、アダプティブ音楽により0.52から0.94に上昇(Khan他、IEEE CoG 2023、条件ごとに90ラウンド)。
- MusicGenは1台のテストマシンで8秒のクリップを4秒未満で生成(Marrinan他、arXivプレプリント2024)。
- NES Music Databaseには397本のゲームから5,278曲(Donahue他、ISMIR 2018)。
- 389本のゲームから音楽と対になった98,940件のゲームプレイクリップ(Cardoso他、FDG 2024)。
- インタビューのコードの38.87%が懸念、13.09%が利点(WorrallとCollins、IEEE Transactions on Games 2023、11人の作曲家)。
- Steamの推奨率は、手続き型コンテンツのゲームが86.3%、生成AIのゲームが68.4%(BazzazとCooper、arXivプレプリント2026)。
1. プレイヤー調査:緊張感は動くが、没入感の証明は難しい
HutchingsとMcCormackの研究では、4つの群間比較はいずれもp = 0.05を下回らなかった。論文の群内検定は下回ったにもかかわらずだ。 「プレイヤーはより没入したと感じた」という見出しは、一人ひとりの変化については正しいが、オリジナルのサウンドトラックに対する明確な勝利を意味するものではない。これほど小さなサンプルでは大きな効果しか検出できないため、p = 0.053というわずかな未達は、成功とも失敗とも言えない。
緊張感の結果のほうが堅い。Galactic Escape、Simon Fraser Universityのテスト用ゲームでは、アダプティブスコアが、ゲームの緊張カーブに逆向きに対応づけられていた場合でも、体感される緊張感を高めた。これは、正しく反応する音楽よりも、はっきり聞き取れる形で反応する音楽のほうが重要かもしれないことを示唆しており、マッピングルールに何週間も費やしている人には一考を促すはずだ。Wen他(2026)はVRからの警告を加えている。適度な音楽的緊張は照準と狙う時間を改善し、高い緊張は両方を悪化させるという、逆U字型の関係だ。
| 指標 | 値 | 出典 |
|---|---|---|
| VRアーチェリーにおける固定サウンドトラック対アダプティブ生成サウンドトラック、被験者内デザイン | 22人の参加者、4つの緊張フェーズ。臨場感と感情的インパクトが上昇 | Wen他、IEEE Transactions on Visualization and Computer Graphics 2026 |
| 没入感、アダプティブシステム対ゲームZelda: MoSのオリジナルスコア | p = 0.121、η² = 0.042(34人のプレイヤー、17人ずつ2群、20分のセッション) | HutchingsとMcCormack、IEEE Transactions on Games 2019 |
| 没入感、アダプティブシステム対StarCraft IIのオリジナルスコア | p = 0.053、η² = 0.079 | HutchingsとMcCormack、IEEE Transactions on Games 2019 |
| 音楽が没入感に与える影響の自己報告、各群内、アダプティブシステム使用時 | 両群で有意な上昇(p<0.05、ウィルコクソンの符号付き順位検定) | HutchingsとMcCormack、IEEE Transactions on Games 2019 |
| 体感された緊張感、サウンドトラック別の平均:緊張マッピング0.62、逆マッピング0.61、音楽なし0.55、中立0.49 | F(3, 87) = 3.662、p = .015、偏η² = .112(募集した35人のうち30人を採用) | Plut、博士論文、Simon Fraser University 2022 |
| 生成スコア対作曲されたリニアスコア対作曲されたアダプティブスコア | 48人の参加者。リニアがすべての質問で最高、生成は感情的一致、没入感、好みで僅差の2位 | Plut、博士論文、Simon Fraser University 2022 |
| テトリス風ゲームにおける生成サウンドトラック対リニアサウンドトラック | 39人の学部生。仮説は支持されず、プレイヤーは両者を区別できなかったが、フローには影響があった | SitesとPotter、Game Studies 2018 |
| ウェブゲーム向け音楽ジェネレーターの、ムード評価付き学習セット、その後の静的音楽とのA/Bテスト | 評価済みの曲80件。適応性が作曲された音楽を必ずしも上回るとは限らなかった | Adam、修士論文、Cal Poly 2014 |
最も古い2行は、ニュアンスを加える。SitesとPotterは、生成版を先にプレイした人でフロー(集中した報酬的な没頭状態)が高かったことを確認し(サンプルはTampere University Playlabの要約から)、AUD.jsの論文は作曲されたスコアに対する自動的な優位性は見られなかったとしている。
このテーマで入手可能な最新のデータ:Wen他 2026。ここにある他のすべての研究は2014年から2022年のものだ。
2. 聴取者評価:意図された感情は伝わるか?
Bardo Composerのテストでは、人間が作曲した曲はジェネレーターより良い結果を出せず、どちらも34%だった。 これはモデルの失敗というより、課題そのものに対する現実の確認だ。感情価(音楽がどれだけ心地よいか不快か)と覚醒度(どれだけ穏やかか活発か)を同時に識別することは、単純に難しく、ほぼ完璧に感情を狙えると主張する事業者には、人間のベースラインがどれだけだったかを尋ねるべきだ。
品質評価は、より絞られた物語を語る。2022年のAIIDE研究では、最良のジェネレーターが人間の音楽との差0.17ポイント(4.11から3.94を引いた値)に収まったが、募集した1,600人のうちフィルタリング後に残ったのは199件の回答だけで、クラウドワーカーによる聴取データは有益になる前にノイズが多いことを思い起こさせる。Yan(arXivプレプリント2023)によるより小規模なテストでも、リズムゲームのピアノアレンジ16曲について聴取者が人間製の音楽を好んだが、回答者数は示されていない。
| 指標 | 値 | 出典 |
|---|---|---|
| Bardo Composer(テーブルトークRPGセッション向けジェネレーター):感情価と覚醒度を同時に正答 | 34%、偶然は25%、p = 0.02(116人の参加者、58人ずつ2群) | Ferreira、Lelis、Whitehead、AIIDE 2020 |
| Bardo Composer:意図された覚醒度の正答、報告された最良のパート(エピソード4、パート1) | 参加者の87% | Ferreira、Lelis、Whitehead、AIIDE 2020 |
| 総合品質、1から5の尺度、平均±標準偏差 | 人間4.11 ± 0.73、木探索法(PUCT)3.94 ± 0.76、CS 3.68 ± 0.96、SBBS 3.62 ± 1.01(募集1,600人のうち有効回答199件、ジェネレーターごとに80曲) | Ferreira他、AIIDE 2022 |
| 作曲された感情クリップ、単一ランク設計での聴取者の一致度 | 全体で58.5%:感情価59.2%、覚醒度59.4%、緊張感56.8%(180人の参加者、90クリップ) | Plut、博士論文、Simon Fraser University 2022 |
| 聴取者が作曲家のラベルを確認したクリップセット | 30件中19件が一致、10件が不一致、1件は明確な一致なし | Plut、博士論文、Simon Fraser University 2022 |
目標の感情に合わせて書かれたクリップでさえ、その感情を外した。30セット中10セットは逆の結果になった。このようなラベルで学習した生成システムは、その不一致を引き継ぐことになる。
入手可能な最新のデータ:Ferreira他、AIIDE 2022。このテーマで同規模のゲーム音楽の聴取者調査は、2025年にも2026年にも見つからなかった。
3. システム測定:速度、安定性、挙動
音声のみで動作するゲームエージェントの勝率は、バックグラウンド音楽がプレイヤーの体力と距離に追従するようになると、0.52から0.94に上昇した。 このIEEE CoGの研究では人間はプレイしておらず、分離された楽器グループに対する単純な音量ルールを使っている。それでも有用な点を示している。アダプティブ音楽はムードだけでなく、ゲームの状態を伝えられる。リズムゲームはこの考えを最も推し進めているが、そのトラックは生成ではなくライセンスされたものであることは、当社のリズムゲーム音楽ライセンス統計が示している。
速度にはばらつきがある。クリップモデルは1台のテストマシンでリアルタイムを上回った一方、重いトランスフォーマーのパイプラインはオフラインで動いたままだった。プロンプトの安定性はより新しい懸念だ。WuとSi(IVA 2026)は、小さなプロンプトの編集が唐突な音楽の飛躍を引き起こすかどうかを検証した。プレイ中にプロンプトを変更するスコアでは、これが破綻につながる。
| 指標 | 値 | 出典 |
|---|---|---|
| MusicGenの8秒クリップの生成時間(Threadripper 2950X CPU、RTX 2080 GPU) | 4秒未満 | Marrinan他、arXivプレプリント2024 |
| アダプティブ音楽システムのゲーム状態メッセージの更新周期 | 30 msごと。エージェントは一度に2小節(音楽の区切り)を書く | HutchingsとMcCormack、IEEE Transactions on Games 2019 |
| 1つの生成アダプティブスコアから得られる固有のアレンジ | 14兆に迫る数。MMMモデルがリアルタイムには重すぎるためオフラインで生成 | Plut、博士論文、Simon Fraser University 2022 |
| 小さなプロンプト変更後の音声類似度、MusicGen-large、CLAPコサイン類似度(1.0 = 同一) | 1語の入れ替えで0.7666、強度の変更で0.8202(全条件でプロンプト群75組、シード6個) | WuとSi、IVA 2026 |
| 勝率、FFT音声エンコーダーを用いた音声のみのエージェント、オリジナル音楽対アダプティブ音楽 | 0.52対0.94、平均体力ポイントのリード27.03対136.14(条件ごとに90ラウンド) | Khan他、IEEE CoG 2023 |
| 勝率、メルスペクトログラムエンコーダーを用いた音声のみのエージェント、オリジナル音楽対アダプティブ音楽 | 0.56対0.68(条件ごとに90ラウンド) | Khan他、IEEE CoG 2023 |
| 32時間のシネマティック参照セットに対するフレシェ音声距離(Frechet Audio Distance)、テーブルトークRPGのキャンペーン、低いほど近い | 最良のジェネレーター3.00対人間のオリジナルサウンドトラック9.66 | MarraとFerreira、LAMIRワークショップ(arXiv 2024) |
| ストーリー適合度:オリジナルのバックグラウンド音楽からの乖離(KLD)、低いほど近い | 感情プロンプト版3.34 ± 1.89対ベースライン4.84 ± 2.98 | MarraとFerreira、LAMIRワークショップ(arXiv 2024) |
フレシェの行は注意が必要だ。距離が小さいことは、音声が統計的にシネマティックな参照セットに近いことを意味し、人間のサウンドトラックより優れた音楽であることを意味しない。Babel Bardoの論文は2つのキャンペーンにわたって自動指標を使い、人間の選好テストは行っておらず、聴取者調査は今後の課題としている。
4. 学習データ:旧型サウンドチップ上に築かれたコーパス
NES Music Databaseには397本のゲームから5,278曲、合計で約46.1時間が収録されている。 1980年代のゲーム機が今もゲーム音楽研究の中心にあるのは、その曲がコンパクトで、複数の楽器を含み、シンボリックだからであり、現代のオーケストラのスコアに似ているからではない。学習データと実際に出荷されるサウンドトラックとの間の隔たりは念頭に置く価値がある。ライセンスされた既製の代替手段については、当社の制作用音楽ライブラリ統計をご覧ください。
評価の習慣は規模と同じくらい重要だ。NES Video-Music DatabaseもYM2413-MDBも、ベースラインには聴取テストを用いず、客観的な指標と分類器に頼っていた。条件付き生成は報告された5つの指標すべてで人間の音楽に近づいたが、それでもジャンル分類器は、生成された曲を人間の曲より低い頻度でしか認識しなかった。
| 指標 | 値 | 出典 |
|---|---|---|
| NES Music Databaseの規模 | 5,278曲、397本のゲーム、296人の作曲家 | Donahue他、ISMIR 2018 |
| NES Music Databaseのボリューム | 2,325,636音、46.1時間 | Donahue他、ISMIR 2018 |
| NES Video-Music Databaseの規模 | 389本のゲームから15秒のクリップ98,940件、474時間の動画 | Cardoso他、FDG 2024 |
| ゲームプレイクリップと対になった曲、NES Video-Music Database | 5,278曲のうち4,070曲 | Cardoso他、FDG 2024 |
| グルーヴパターンの類似度:動画で条件付けしたモデル、条件なしモデル、人間の曲 | 0.821、0.694、0.999(セットごとに140曲) | Cardoso他、FDG 2024 |
| 生成された曲対人間の曲に対するジャンル分類器の精度 | 22%対34% | Cardoso他、FDG 2024 |
| YM2413-MDB、感情タグ付きの1980年代FM音源チップのゲーム音楽 | 669ファイル、15.4時間、感情タグ19種、1曲につきアノテーター2人と検証者3人 | Choi他、ISMIR 2022 |
| 4象限の感情認識精度、YM2413-MDB | 音声で最良0.65(ショートチャンクResNet)、シンボリック音楽で最良0.48(ロジスティック回帰) | Choi他、ISMIR 2022 |
感情ラベルは依然として最も希少な資源だ。VGMIDIは823曲から始まり、そのうち95曲に注釈が付けられ、ラベル付きフレーズ966件と、89.83 ± 3.14%の感情分類器が得られた(FerreiraとWhitehead、ISMIR 2019)。そのラベル付きセットは後に200曲まで拡大した(Ferreira、Lelis、Whitehead、AIIDE 2020)。構造ラベルはさらに乏しい。LuoとReissによる2026年のプレプリントは、309件の構造アノテーションを持つゲームオーディオのデータセットを構築し、構造の把握が弱いことが業界でニューラルジェネレーターがほとんど使われない理由の一つだと論じている。
入手可能な最新のデータ:Donahue他 2018、FerreiraとWhitehead 2019、Choi他 2022。
5. 作曲家:仕事を失う恐れより、品質とアイデンティティ
「AIは独創的な人間品質の音楽を生成しない」は、プロのゲーム作曲家へのインタビュー研究の一つで最大のサブテーマであり、1,199件のコードのうち191件を占めた。 雇用の安定はわずか11件だった。この分野を雇用不安の騒ぎとして読もうとする直感は、この11人の作曲家が実際にインタビューの時間を費やした内容、すなわち品質、創作上のコントロール、所有権とは合致しない。これはツール設計の要件を組み替えるもので、当社のAI音楽生成の著作権主張統計で追跡している法的な問題にも関わってくる。
これらは1人の研究者によるリフレクシブ・テーマ分析のコード数であり、その話題がどれだけ話に上ったかを測るもので、その見解を何人が持っているかを測るものではない。世論調査ではなく、会話の地図として扱ってほしい。
| 指標 | 値 | 出典 |
|---|---|---|
| 研究のサンプル、出版済みゲームが1本以上あるプロのゲーム作曲家 | 11人、約13時間のインタビュー、1,199件のコード | WorrallとCollins、IEEE Transactions on Games 2023 |
| AI音楽技術への懸念に関するコードの割合 | 38.87% | WorrallとCollins、IEEE Transactions on Games 2023 |
| 創作上のエゴとAIの衝突に関するコードの割合対AIの利点に関する割合 | 29.36%対13.09% | WorrallとCollins、IEEE Transactions on Games 2023 |
| 「音楽AIは創作上のエゴと衝突する」対「AIはワークフローに利益をもたらしうる」に関するコード | 133対70 | WorrallとCollins、IEEE Transactions on Games 2023 |
| 雇用の安定への懸念に関するコード対音楽表現と所有権への懸念に関するコード | 11対83 | WorrallとCollins、IEEE Transactions on Games 2023 |
6. 分野の背景:研究されたシステムは少なく、Steamのプレイヤーは慎重
当社が読めた中で最も包括的な学術調査(2022年)は、ゲーム由来の生成音楽システムをわずか34件しか扱っておらず、そのうち19件は直近10年のものだ。 LuoとReiss(AES 2025)による新しい概観は、学術プロトタイプと商用利用が依然として乖離していると述べている。両者が新規性、信頼性、リソースの優先順位を異なる形で置いているためだ。手続き型音楽を使う出荷済みゲームを数えた公開データセットは見つからなかったため、ネット上のそうした数字には疑ってかかる価値がある。
プレイヤーの感情に最も近い代理指標はSteamから得られるが、これはサウンドトラックではなくゲーム全体を対象としている。この2026年のプレプリントは、生成AIの使用を開示したゲームのベースラインとして手続き型コンテンツ生成を用いた。レビュアーは生成AIを開発者の投資の低さの兆候と受け取る傾向があり、これはそのラベルで売り出す音楽ツールすべてへの警告だ。
| 指標 | 値 | 出典 |
|---|---|---|
| ある学術調査におけるゲーム由来の生成音楽システム | 34システム、うち19件は調査前の10年間のもの | Plut、博士論文、Simon Fraser University 2022 |
| 生成AIの使用を開示したSteamリリースの割合 | 2024年は5.6%、2025年は10.3% | BazzazとCooper、arXivプレプリント2026 |
| 推奨率、手続き型コンテンツのゲーム対生成AIのゲーム | 86.3%対68.4%(5,186本対5,970本のゲーム、英語レビュー508,192件) | BazzazとCooper、arXivプレプリント2026 |
| 生成AIのゲーム対手続き型コンテンツのゲームのロジスティック回帰の結果 | オッズ比0.63(95%信頼区間[0.62, 0.64]、p < .001) | BazzazとCooper、arXivプレプリント2026 |
| 基本無料ゲーム対有料ゲームでの推奨率、手続き型対生成AI | 基本無料83.1%対50.1%、有料86.9%対78.9% | BazzazとCooper、arXivプレプリント2026 |
| 生成AIへの認識を示すレビューでの推奨率 | 49.5%(ネガティブな感情63.7%、n = 7,834) | BazzazとCooper、arXivプレプリント2026 |
数字で見る手続き型・生成型ゲーム音楽システム(まとめ)
| 指標 | 値 | 出典 |
|---|---|---|
| Bardo Composerの聴取者が感情価と覚醒度を正答した割合 | 34%対偶然の25%(116人の参加者) | Ferreira、Lelis、Whitehead、AIIDE 2020 |
| 総合品質、人間対最良のジェネレーター、1から5の尺度 | 4.11対3.94(有効回答199件) | Ferreira他、AIIDE 2022 |
| 没入感、アダプティブシステム対StarCraft IIのオリジナルスコア | p = 0.053(34人のプレイヤー) | HutchingsとMcCormack、IEEE Transactions on Games 2019 |
| VRアーチェリー、固定音楽対アダプティブ生成音楽 | 22人の参加者、臨場感と感情的インパクトが上昇 | Wen他、IEEE Transactions on Visualization and Computer Graphics 2026 |
| テトリス風ゲームにおける生成サウンドトラック対リニアサウンドトラック | 39人の学部生、仮説は支持されず | SitesとPotter、Game Studies 2018 |
| 1つの生成アダプティブスコアから得られる固有のアレンジ | 14兆に迫る数、オフラインのみ | Plut、博士論文、Simon Fraser University 2022 |
| MusicGenの8秒クリップ生成時間 | 4秒未満 | Marrinan他、arXivプレプリント2024 |
| プロンプトで強度を変更した後のMusicGen-largeの類似度 | CLAPコサイン類似度0.8202 | WuとSi、IVA 2026 |
| 音声のみのエージェントの勝率、オリジナル音楽対アダプティブ音楽 | 0.52対0.94 | Khan他、IEEE CoG 2023 |
| フレシェ音声距離、最良のジェネレーター対人間のサウンドトラック | 3.00対9.66 | MarraとFerreira、LAMIRワークショップ(arXiv 2024) |
| NES Music Database | 5,278曲、397本のゲーム、46.1時間 | Donahue他、ISMIR 2018 |
| NES Video-Music Database | 98,940件のクリップ、389本のゲーム | Cardoso他、FDG 2024 |
| YM2413-MDB | 669ファイル、15.4時間 | Choi他、ISMIR 2022 |
| 作曲家のコード、「独創的な人間品質ではない」対雇用の安定 | 1,199件のコードのうち191件対11件 | WorrallとCollins、IEEE Transactions on Games 2023 |
| Steamの推奨率、手続き型コンテンツのゲーム対生成AIのゲーム | 86.3%対68.4% | BazzazとCooper、arXivプレプリント2026 |
方法論と出典
当社は各研究またはそのリポジトリページを読み、サンプルは印刷されたとおりに報告している。SEOブログやリスト記事から取った数値は一つもない。
- Wen他、Tuning Immersion and Performance with Adaptive Generative Music in VR、IEEE TVCG 2026
- Hutchingsと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、Whitehead、Computer-Generated Music for Tabletop Role-Playing Games、AIIDE 2020
- Ferreira他、Controlling Perceived Emotion in Symbolic Music Generation with Monte Carlo Tree Search、AIIDE 2022
- FerreiraとWhitehead、Learning to Generate Music With Sentiment、ISMIR 2019
- WorrallとCollins、Considerations and Concerns of Professional Game Composers Regarding Artificially Intelligent Music Technology、IEEE Transactions on Games 2023
- Donahue他、The NES Music Database、ISMIR 2018
- Cardoso他、The NES Video-Music Database、FDG 2024
- Choi他、YM2413-MDB、ISMIR 2022
- Khan他、Fighting Game Adaptive Background Music for Improved Gameplay、IEEE CoG 2023から更新
- WuとSi、Evaluating Prompt Robustness in Text-to-Audio Systems、IVA 2026
- Marrinan他、AI audio for user-generated game content、arXivプレプリント2024
- MarraとFerreira、Long-Form Text-to-Music Generation with Adaptive Prompts、LAMIRワークショップ
- BazzazとCooper、Player Perceptions of Generative AI in Games、arXivプレプリント2026
- LuoとReiss、Procedural Music Generation Systems in Games、AES 2025およびSupervised Learning for Game Music Segmentation、arXivプレプリント2026
- SitesとPotter、Everything Merges with the Game、Game Studies 2018。サンプルはTampere University Playlabの要約から取得
- Adam、Procedural Music Generation and Adaptation Based on Game State、Cal Poly修士論文2014およびYan、Generating Rhythm Game Music with Jukebox、arXivプレプリント2023
- データウォッチ:ここでのサンプルの大半は小さいため、有意でない結果は効果がないことの証明にはならない。WorrallとCollinsはサブテーマの数をある箇所では29、別の箇所では30と記載しており(表には29件が載っている)、AAA作曲家の人数も整合しないため、どちらも引用しない。PlutのPreGLAMの章は、導入部で参加者を50人、方法で48人としているが、当社は48人を用いる。WuとSiについては、当社が読んだ全文の表では、言い換えによるStable Audioの類似度が、要旨の順位から想定されるより低くなっているため、要旨と一致するMusicGen-largeの数値のみを引用する。Khan他は人間のプレイヤーを使っておらず、有意性検定も報告していない。Steamのプレプリントはゲーム全体を対象とし、査読されておらず、プレイ時間の中央値が表と本文で異なるため、その数値は省いた。作曲家へのインタビューは2023年、システム調査は2022年のもので、どちらも後継の調査が待たれる。ネット上に出回る事業者主導のアダプティブ音楽調査は、一次資料までたどれなかったため除外した。商用での採用数は、当社が検証できる形では入手できなかった。
最終更新日:2026年10月31日。当社はこのまとめを四半期ごとに更新しており、次回の更新は、AIIDE 2026とISMIR 2026の論文集が公開される時期を予定している。