DEMON：音乐编排噪声的扩散引擎
声音
2026-05-28 v1
摘要
我们提出 DEMON，一款实时扩散引擎，使降噪过程可作为活生生的音乐乐器可玩：一个既宽广（跨输出的许多参数按帧形变）又灵敏（每个控制在其在降噪环中位置后即可生效）的控制面板。基于 ACE-Step 1.5 和 StreamDiffusion 的环形缓冲区架构配合 TensorRT 加速，单张消费级 GPU (RTX 5090) 可支撑 60 分钟音乐达 12.3 个解码完成，或在我们的生产环深度为 4 时达 11.3 个每秒生成。以此速率，降噪参数可作为活生生表演控制器，但环形缓冲区仅在其排水速率下才会传播每请求的变更，S 步的下限。我们贡献了四种机制：(1) 每槽异构降噪调度：每个环形缓冲槽拥有其时刻调度表，使移动降噪滑块在不擦除进行中队列的情况下被跟踪，其中上游全局调度设计必须重建并丢弃它。(2) 分配可变的每步状态，使在每个求解器步骤中查询的任何参数在下一 tick 中生效，绕过环形缓冲区排水。(3) 每帧源混合：一种采样时的控制标准 SDE 重噪步骤，给出一个以帧为单位的转换强度轴，补充标量降噪调度。(4) 窗口化 VAE 解码，利用感受野分析实现 8.0 倍解码加速。这些机制将流式扩散参数分为四类传播类，依据起始时刻和收敛延迟。
引用
@article{arxiv.2605.28657,
title = {DEMON: Diffusion Engine for Musical Orchestrated Noise},
author = {Ryan Fosdick},
journal= {arXiv preprint arXiv:2605.28657},
year = {2026}
}
备注
15 pages, 3 figures, 15 tables. Project page with audio samples and demo video: https://daydreamlive.github.io/DEMON/