arXiv cs.AI· Haoyu Gu, Lekai Qian, Haowu Zhou, Qi Liu, Shuai Wang·· 2 天前AI 评分27
BeatEdit：将符号音乐生成变为显式编辑
BeatEdit: Symbolic Music Generation as Explicit Editing
AI 导读
BeatEdit 是首个基于显式编辑操作的符号音乐生成框架，把生成重构为在草稿上编辑而非从零合成。它沿编辑密度递增轴整合了逐 token 序列标注纠错、迭代精修伴奏编辑和 tag-then-fill 片段补全三种机制，共享同一编码与预训练骨干，在三项任务上精度与感知质量均超过自回归和扩散方法，单次推理耗时不到 100 ms。
正文 · AI 翻译
摘要：音乐创作本质上是一个修改的过程。然而，符号音乐生成仍由从零开始生成完整序列的范式主导，对选择性修改的支持有限。基于编辑的方法已被证明对文本转换任务有效，但在符号音乐领域仍基本未被探索。我们将这一缺失追溯到表示层面：传统的事件型音乐编码缺乏显式音乐编辑所需的结构特性。相比之下，BEAT 编码——一种最初为自回归生成设计的以节拍网格为锚的表示——具备适合编辑的结构特性。我们提出 BeatEdit，这是首个基于显式编辑操作的符号音乐生成框架，将生成重新定义为通过编辑草稿来产生新内容，而非从零合成。BeatEdit 包含三种互补机制，沿编辑密度递增的轴线排列：用于纠错的逐 token 序列标注、用于伴奏编辑的迭代细化，以及用于片段补全的先标注后填充。所有这些机制共享单一编码和预训练主干，在全部三项任务上均比自回归和扩散方法实现更高的精度和感知质量，同时保持高效，单次推理在 100 毫秒内完成。跨编码评估进一步揭示，编码设计显著影响编辑效果，并存在明显的编码-方法交互效应。代码见 此 https URL
| 学科： | 声音（cs.SD）；人工智能（cs.AI） |
| ACM 分类： | H.5.5; I.2.7 |
| 引用为： | arXiv:2607.11124 [cs.SD] |
| （或 arXiv:2607.11124v3 [cs.SD] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2607.11124 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.1145/3767308.3835589
链接到相关资源的 DOI |
提交历史
来自：Haoyu Gu [查看邮箱]
[v1]
2026年7月13日 星期一 06:00:06 UTC（503 KB）
[v2]
2026年7月31日 星期五 09:19:35 UTC（531 KB）
[v3]
2026年10月15日 星期四 04:49:50 UTC（534 KB）
来源：arXiv cs.AI · arxiv.org