AI 음악 탐지 연구의 새로운 기준으로 HAIM(인간-AI 음악 데이터셋) 벤치마크가 제안됐다. 수노(Suno), 유디오(Udio) 같은 생성형 플랫폼이 인간 수준의 오디오 품질에 도달하면서 AI가 음악 제작 전체 과정에 깊숙이 관여하게 됐으나, 기존 탐지 연구는 여전히 ‘AI냐 인간이냐’라는 이진 분류 틀에 머물러 있다는 문제의식에서 출발한 연구다.
현실의 음악 제작 현장에서는 인간이 만든 트랙에 AI 마스터링을 적용하거나, AI가 생성한 소재를 인간 엔지니어가 후처리해 완성도를 높이는 방식이 일반화되고 있다. 심지어 일부 창작자는 AI 탐지기를 피하려는 의도로 AI 생성 트랙에 인간 마스터링을 덧씌우는 적대적 기법을 사용하기도 한다. 이처럼 인간과 AI의 기여가 중첩되는 회색지대는 단순한 이진 분류 체계로는 포착이 불가능하다.
이를 해결하기 위해 연구진은 ‘AI 음악 트래킹(AI Music Tracking)’이라는 새로운 과제를 정의했다. 이는 보컬 합성, 편곡, 마스터링 등 음악 제작의 다층적 스펙트럼에서 AI가 개입한 특정 단계를 식별하는 것을 목표로 한다. HAIM 데이터셋은 AI 개입 단계를 분리해 평가할 수 있도록 설계됐으며, 하이브리드 제작 방식과 에이전트 수준의 추적까지 포함하는 다양한 레이블을 제공한다. 최신 탐지 모델들을 이 기준으로 평가한 결과 구조적 결함이 드러났다.
연구진은 HAIM 공개를 통해 이진 분류를 넘어 음악 제작 단계별로 세분화된 구조적 평가 체계로의 전환을 제안했다. 생성형 AI가 음악 산업 전반에 확산되는 상황에서, 단계별 AI 기여도를 정밀하게 추적하는 기술은 저작권 귀속과 플랫폼 투명성 확보를 위한 핵심 인프라로 부상할 전망이다.
