arXiv cs.AI· Peiwei Chang, Yongqiang Chen, Yuelan Cheng, Liting Gao, Yishun Lu, Li Zhang, Mark D. Plumbley, Philip J. B. Jackson, Wenwu Wang·· 3 天前AI 评分25
PhysicsSliders：为音频拟音生成学习物理控制
PhysicsSliders: Learning Physical Controls for Audio Foley Generation
AI 导读
研究者提出 PhysicsSliders（PXS），基于 15 个材质、几何与接触参数在模拟接触音上训练，可控制硬度、尺寸、速度与阻尼并支持房间描述。两个独立训练变体分别接受直接参数输入或数值化描述文本，在固定目标下生成频谱可区分的输出。
正文 · AI 翻译
摘要：物理属性为交互物体发出的声音提供了直观的控制方式。挑战在于让生成模型能够可预测地响应这些控制，无论是单独控制还是组合控制。我们提出了 \method\（PXS），在带有 15 个材质、几何和接触参数的模拟接触声音上进行训练。两个分别训练的变体接受直接参数输入或数值描述。PXS 控制硬度、尺寸、速度和阻尼，支持房间描述，并在固定目标下生成频谱上可区分的输出。当同时控制阻尼和尺寸时，指定厚度可提高频率精度和联合目标达成度。来自真实录音的测量定义了有效阻尼目标，模拟器反演将其映射为生成输入，无需真实音频微调。在来自五个真实音频数据集的 18 个撞击类别上，PXS-Physical 遵循这些目标，平均分组 Spearman 相关系数 $\rho=0.976$，类别中位误差为 0.094 dex（1.24 倍）。
| 主题： | 声音（cs.SD）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.18597 [cs.SD] |
| （或 arXiv:2610.18597v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18597 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Peiwei Chang [查看邮箱]
[v1]
2026年10月13日星期二 15:53:45 UTC（156 KB）
来源：arXiv cs.AI · arxiv.org