从声音到设定：基于AI的均衡器参数预测用于钢琴音色复制
声音
2025-09-30 v1 机器学习
音频与语音处理
摘要
本项目提出了一种基于AI的音色复制系统，专注于直接从音频特征预测均衡器参数设置。与传统的音频到音频方法不同，我们的方法输出可解释的参数值（如均衡器频段增益），音乐制作人可以在其工作流中进一步调整。利用一套钢琴录音数据集（均衡器设置系统性地变化），我们评估了回归模型和神经网络模型。神经网络在多频段任务上实现了0.0216的均方误差。该系统为音乐制作人实现了实用、灵活且自动化的音色匹配，并为扩展到更复杂的音频效果奠定了基础。
引用
@article{arxiv.2509.24404,
title = {From Sound to Setting: AI-Based Equalizer Parameter Prediction for Piano Tone Replication},
author = {Song-Ze Yu},
journal= {arXiv preprint arXiv:2509.24404},
year = {2025}
}
备注
Undergraduate project technical preprint. 4 pages, 6 figures. Code & data: https://github.com/vaclisinc/Vaclis_Tone_Replication Primary: cs.SD, Secondary: cs.LG