arXiv cs.AI· Teysir Baoueb (IP Paris, LTCI, IDS, S2A), Leonardo Boulitreau de Menezes Martins Marques (IP Paris, LTCI, IDS, S2A), Paraskevas Stamatiadis (S2A, LTCI, IDS), Ga{\"e}l Richard (S2A, IDS, IP Paris, LTCI)·· 10 小时前AI 评分31
MusicFlux：面向文本引导音乐生成与编辑的灵活条件控制方法
MusicFlux: Flexible Conditioning for Text-Guided Music Generation and Editing
AI 导读
MusicFlux 是基于高效预训练 flow-matching 文本到音频模型的文本引导音乐编辑器，提出两种条件控制方式以权衡编辑性能与计算效率。实验显示两种方式均与强基线相当，其中一种编辑质量更优，另一种保持原始序列长度并大幅提升计算效率。
正文 · AI 翻译
作者：Teysir Baoueb（IP Paris、LTCI、IDS、S2A）、Leonardo Boulitreau de Menezes Martins Marques（IP Paris、LTCI、IDS、S2A）、Paraskevas Stamatiadis（S2A、LTCI、IDS）、Ga{ë}l Richard（S2A、IDS、IP Paris、LTCI）
摘要：音乐编辑在保留原始属性的同时转换现有录音。近期的方法通过以上下文音频为条件，将预训练的文本到音乐模型适配于修复、事件插入或恢复等任务。最近有人针对图像编辑提出，将源图像视为上下文信息，从而统一生成与编辑。然而，由于音频序列较长，直接将其应用于音乐在计算上代价高昂。在本工作中，我们开发了 MusicFlux，一个基于高效预训练流匹配文本到音频模型的文本引导音乐编辑器。我们引入了两种条件方法，在编辑性能与计算效率之间进行权衡。实验表明，两者均与强基线具有竞争力，其中一种实现了更好的编辑质量，另一种则保留了原始序列长度并大幅提升了计算效率。
| 评论： | 已投稿至 ICASSP 2027 |
| 学科： | 声音（cs.SD）；人工智能（cs.AI）；机器学习（cs.LG）；信号处理（eess.SP） |
| 引用为： | arXiv:2611.13834 [cs.SD] |
| （或 arXiv:2611.13834v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13834 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Teysir Baoueb [查看邮箱] [通过 CCSD 代理]
[v1]
2026年11月10日星期二 10:00:03 UTC（176 KB）
来源：arXiv cs.AI · arxiv.org