基于可微音频效果与生成对抗网络的自动 DJ 过渡
声音
2022-02-18 v2 机器学习
音频与语音处理
摘要
唱片骑师（DJ）的一项核心任务是制作音乐混音集，使相邻曲目之间实现无缝过渡。本文探索一种数据驱动方法，利用生成对抗网络（GAN）通过从真实 DJ 混音中学习来创建歌曲过渡。具体而言，模型的生成器使用两个可微数字信号处理组件——均衡器（EQ）与淡入淡出器（fader），将由数据生成流水线选定的两首曲目进行混音。生成器须设定 EQ 与 fader 的参数，使所得混音在判别器看来类似于人类 DJ 创作的真实混音。听感测试结果表明，该模型相较若干基线方法取得了具竞争力的结果。
引用
@article{arxiv.2110.06525,
title = {Automatic DJ Transitions with Differentiable Audio Effects and Generative Adversarial Networks},
author = {Bo-Yu Chen and Wei-Han Hsu and Wei-Hsiang Liao and Marco A. Martínez Ramírez and Yuki Mitsufuji and Yi-Hsuan Yang},
journal= {arXiv preprint arXiv:2110.06525},
year = {2022}
}
备注
To be published at ICASSP 2022