arXiv cs.AI· Phillip Long, Yongyi Zang, Qihui Yang, Christodoulos Benetatos, Junfei Liu, Randal Leistikow, Julian McAuley, Perry R. Cook·· 1 天前AI 评分31
TAPE：学习通用音频效果表示
TAPE: Learning General Audio Effect Representations
AI 导读
TAPE（Transformations of Audio Parameter Embeddings）仅凭处理后的参考音频即可估计其信号处理链，并将其参数应用到另一段未处理录音。
正文 · AI 翻译
摘要：音乐家和混音工程师通常能够辨别他们在参考录音中听到的信号处理链，然后将其适配到新的素材上。我们提出 TAPE（Transformations of Audio Parameter Embeddings，音频参数嵌入变换），它仅从处理后的参考音频中估计这一处理过程。一个经过训练、用于识别八大效果类别中处理器的编码器将参考音频映射为嵌入。一个可微数字信号处理（DSP）链在一次前向传播中将该嵌入解码为可编辑参数，并将其应用到另一段未处理的录音上。其模块包括均衡、压缩、波形整形、一个小型残差网络和混响。TAPE 的频谱误差低于 DeepAFx-ST（此前单步回归的最先进方法），也低于在近似 ST-ITO 的链上逐样本搜索的频谱误差，而运行速度比该搜索快 275$\times$。由于解码器输出的是 DSP 参数，其链也可以因果运行：使用训练权重的 C++ 实现处理 128 样本缓冲区时比实时快 1.8$\times$，且没有错过截止时间。
| 评论： | 提交至 Transactions of Machine Learning Research；25 页，5 幅图，18 张表 |
| 主题： | 声音 (cs.SD)；人工智能 (cs.AI)；机器学习 (cs.LG)；音频与语音处理 (eess.AS) |
| 引用为： | arXiv:2610.40759 [cs.SD] |
| （或 arXiv:2610.40759v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40759 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Phillip Long [查看电子邮件]
[v1]
2026 年 10 月 29 日星期四 17:17:15 UTC（2,951 KB）
来源：arXiv cs.AI · arxiv.org