品玩8月1日讯，据 Huggingface 页面显示，来自韩国科学技术院等机构的研究者近日发表论文，公布一项名为 LP-MusicCaps 的数据集。

LP-MusicCaps 使用大语言模型从大规模标签数据集中人工生成描述语句，其包含约 220 万个字幕和 50 万个音频片段。研究团队利用自然语言处理使用的各种量化评估指标以及人工评估，对大规模音乐字幕数据集进行了系统评估。研究团队还利用该数据集训练了一个基于 transformer 的音乐字幕模型。

论文显示，该方法优于监督基线模型。