LLM2Fx-Tools：音乐后期制作中的工具调用
声音
2026-01-30 v2
摘要
本文提出了LLM2Fx-Tools，一个用于生成音乐后期制作中可执行音频效果序列（Fx链）的多模态工具调用框架。LLM2Fx-Tools使用大语言模型（LLM）理解音频输入、选择音频效果类型、确定其顺序并估计参数，以链式思维（CoT）规划为指导。我们还提出了LP-Fx，一个新的指令遵循数据集，包含结构化的CoT标注和音频效果模块的工具调用。实验表明，LLM2Fx-Tools可以通过自回归序列建模、工具调用和CoT推理，从未处理和已处理音频对中推断出Fx链及其参数。我们进一步在风格迁移设置中验证了该系统，其中音频效果信息从参考源转移到新内容。最后，LLM-as-a-judge评估表明，我们的方法为音乐制作查询生成了适当的CoT推理和回答。据我们所知，这是首次将基于LLM的工具调用应用于音频效果模块，实现了可解释和可控的音乐制作。
引用
@article{arxiv.2512.01559,
title = {LLM2Fx-Tools: Tool Calling For Music Post-Production},
author = {Seungheon Doh and Junghyun Koo and Marco A. Martínez-Ramírez and Woosung Choi and Wei-Hsiang Liao and Qiyu Wu and Juhan Nam and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:2512.01559},
year = {2026}
}
备注
ICLR 2026