arXiv cs.AI· Jaywon Koo, Junghyun Koo, Marco A. Martinez-Ramirez, Wei-Hsiang Liao, Seungheon Doh, Qiyu Wu, Vicente Ordonez, Yuki Mitsufuji·· 12 小时前AI 评分31
MixAgent：基于参考歌曲的智能体音乐后期制作流水线
Agentic Music Post-Production
AI 导读
MixAgent 是一套遵循音频工程师工作流的智能体音乐后期制作流水线，可按参考歌曲生成可解释、可编辑的混音方案。团队构建了含 45,657 条修复评论的 MixCritic 数据集，结合监督微调与偏好优化训练评论器，在 MedleyDB 上使误差较初始混音降低 19%，偏好优化比纯监督训练再降 8.4%。
正文 · AI 翻译
摘要：我们提出 MixAgent，一种用于音乐后期制作的智能体流水线，它遵循音频工程师的工作流程，以参考歌曲为引导构建可解释且可编辑的混音方案。分组智能体首先将相关的输入音轨（例如鼓录音）路由到子组中。规划智能体随后利用检索到的示例，为音轨、子组和整体混音选择并排序音频效果（例如音量控制和混响）。为优化混音，检测器识别需要修正之处，评论器则提出从音轨到整体混音的数值参数调整。在我们的实验中，提示近期的多模态模型去聆听并修改往往会令混音变差，因此可靠的修正成为核心挑战。为此，我们构建了 MixCritic——一个包含 45,657 条修复评论的数据集，这些评论源自对专业混音拟合的参数，并采用监督微调后接基于渲染音频结果的偏好优化来训练评论器。在 MedleyDB 上，学习式优化相对于初始混音将误差降低了 19%，其中偏好优化在仅监督训练的基础上进一步降低了 8.4%。检索到的示例进一步改善了效果选择，且人类听测显示 MixAgent 获得的音质评分高于 Qwen3-Omni、Gemini 3.8 Flash 和 GPT-4o-audio 生成的混音。
| 主题： | 声音（cs.SD）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.29093 [cs.SD] |
| （或本版本的 arXiv:2610.29093v1 [cs.SD]） | |
| https://doi.org/10.48550/arXiv.2610.29093 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jaywon Koo [查看邮箱]
[v1]
2026年10月21日星期三 02:36:51 UTC（562 KB）
来源：arXiv cs.AI · arxiv.org