LyriCAR：一种面向可控歌词翻译的难度感知课程强化学习框架
计算与语言
2025-10-24 v1 人工智能
机器学习
摘要
歌词翻译是一项具有挑战性的任务，需要平衡多种音乐约束。现有方法通常依赖手工规则和句子级建模，这限制了它们内化音乐-语言模式以及在段落级别（其中跨行连贯性和全局押韵至关重要）有效泛化的能力。在这项工作中，我们提出了LyriCAR，一种全新的、完全无监督的可控歌词翻译框架。LyriCAR引入了一个难度感知的课程设计器和一个自适应课程策略，通过引导模型应对日益复杂的挑战，确保了训练资源的高效分配，加速了收敛，并提高了整体翻译质量。在英中歌词翻译任务上的大量实验表明，LyriCAR在标准翻译指标和多维奖励分数上均达到了最先进的结果，超越了强大的基线模型。值得注意的是，自适应课程策略在保持优越性能的同时，将训练步骤减少了近40%。代码、数据和模型可在https://github.com/rle27/LyriCAR获取。
引用
@article{arxiv.2510.19967,
title = {LyriCAR: A Difficulty-Aware Curriculum Reinforcement Learning Framework For Controllable Lyric Translation},
author = {Le Ren and Xiangjian Zeng and Qingqiang Wu and Ruoxuan Liang},
journal= {arXiv preprint arXiv:2510.19967},
year = {2025}
}
备注
submitted to ICASSP 2026