本研究探讨了为单曲设计的可解释和声决策模型是否能够直接用于独立收集的人类标注数据，而无需修改规则。我们在 HookTheory 平台上挑选了 19 段包含旋律与和弦对齐的摘录，共计 439 个可评估的和声片段，对冻结的可解释旋律和声器（Explainable Melody Harmonizer，EMH）进行评估。EMH 仅依据旋律生成和弦序列，遵循以下显式准则：
- 旋律兼容性
- 和声功能
- 持续性
- 终止式
- 节拍感知的分段
- 类 Viterbi 的全局优化
在人类和弦被隐藏的情况下生成结果，仅在事后与标注进行比较。评估指标包括：完全和弦一致率 20.50%，根音一致率 31.66%，和声功能一致率 47.62%（功能相对于 EMH 推断的调性）。进一步的决策层分析显示，203 段（46.24%）的人类和弦不在模型候选词表内，146 段（33.26%）虽在词表内但未被选中。该结果区分了模型表示能力的局限与实际和弦选择的差异，避免将人类标注视为唯一正确解。研究展示了一种可复现、可解释的基于语料库的和声决策评估方法。
点评