基于approximately等距流匹配的对称参数空间音频合成器反演

许多音频合成器可通过不同参数配置产生相同信号，意味着从声音到参数的反演 inherently 是一个不确定问题。我们表明，这主要源于合成器的内在对称性，特别是排列不变性。首先，我们在合成任务上表明，在排列对称性下回归点估计会降低性能，即使使用排列不变的损失函数或对称性破坏启发式方法也是如此。然后，视等效解为概率分布的模式，我们表明条件生成模型显著改进了性能。进一步地，鉴于隐式参数分布的不变性，我们发现使用 permutation 等距连续正规化流进一步提高了性能。为容纳真实合成器中复杂的对称性，我们还提出了一种放松等距策略，能够从数据中自适应发现相关对称性。将我们的方法应用于 Surge XT，这是一款用于真实世界音频制作的全功能开源合成器，我们发现我们的方法在音频重构指标上超越了回归和生成基线。