arXiv cs.CL· Kuan-Hsun Ho, Yuan-Chiao Cheng, Yen-Tung Yeh, Yi-Hsuan Yang·· 12 小时前AI 评分18
MixJudge：可语言查询的人声混音评判模型
MixJudge: Learning a Language-Queryable Critic for Vocal Mixing
AI 导读
MixJudge 是一个可用语言查询的音频评判模型，通过覆盖 11 类人声混音问题、多严重程度等级的课程训练而成，能检索混音问题、区分相反问题并对问题严重程度排序。其判断还可迁移到处理方案选择：给定一组候选版本，MixJudge 常偏好声学上更接近留出专业版本的选项。
正文 · AI 翻译
摘要：混音不仅需要应用处理，还需要评估混音结果。音频语言模型可以提供对话式的混音建议，但现有评估并未单独测试它们能否判断具体的混音问题。由于此类判断的专业监督数据稀缺，我们构建了一个包含 11 种人声混音问题、覆盖多个严重程度等级的课程，并用它训练 MixJudge，一个可通过语言查询的音频评论器。MixJudge 展示了其检索混音问题、区分相反问题以及对问题严重程度排序的能力。此外，其判断可迁移到菜单选择：给定一组处理候选，MixJudge 往往更青睐声学上更接近留出的专业版本的版本，这表明显式的混音判断能够支持比较和下游混音决策。
| 评论： | 提交至 ICASSP 2027 |
| 主题： | 声音（cs.SD）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.30783 [cs.SD] |
| （或 arXiv:2610.30783v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30783 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kuan-Hsun Ho [查看电子邮件]
[v1]
2026 年 10 月 22 日星期四 06:02:59 UTC（105 KB）
来源：arXiv cs.CL · arxiv.org