基于效果嵌入生成模型的自动音乐混音

音乐混音涉及将单个轨道组合成连贯的混合音，此任务具有主观性，同一输入可产生多个有效解。现有自动混音系统将此任务视为确定性回归问题，因而忽略了这种多解性。本文引入MEGAMI（Multitrack Embedding Generative Auto MIxing），一个生成框架，建模给定未处理轨道后得到专业混音的条件分布。MEGAMI使用基于轨道无关的效果处理器，条件于每个轨道生成的嵌入；通过置换不变结构处理任意无标签轨道；并通过域适应实现对干式和湿式录音的训练。我们的客观评估使用分布指标显示在现有方法上 consistently 改进，而听觉测试表明其性能在不同音乐类型下接近人类水平。