LoopGen：无需训练的可循环音乐生成
声音
2025-06-30 v4 人工智能
摘要
循环——为无缝重复而设计的短音频片段——是许多音乐流派的核心，尤其是那些植根于舞曲和电子风格的流派。然而，当前的生成式音乐模型难以生成真正可循环的音频，因为仅生成短波形并不能保证从终点到起点的平滑过渡，常常导致可听的不连续性。我们通过修改非自回归模型（MAGNeT）以循环模式生成token来弥补这一差距，让模型在生成结尾时关注音频的开头。这种仅推理的方法产生的生成内容能够感知未来上下文并自然循环，无需任何额外训练或数据。我们通过计算循环接缝处的token困惑度来评估循环过渡的一致性，观察到55%的改进。盲听测试进一步证实了相对于基线方法的显著感知增益，平均评分提高了70%。综合来看，这些结果突显了仅推理方法在改进生成模型方面的有效性，并强调了非自回归方法在上下文感知音乐生成中的优势。
引用
@article{arxiv.2504.04466,
title = {LoopGen: Training-Free Loopable Music Generation},
author = {Davide Marincione and Giorgio Strano and Donato Crisostomi and Roberto Ribuoli and Emanuele Rodolà},
journal= {arXiv preprint arXiv:2504.04466},
year = {2025}
}