Mix2Morph：从含噪混合中学习声音变形
声音
2026-01-29 v1
摘要
我们提出 Mix2Morph，一种文本到音频扩散模型，经过微调以执行声音变形，无需专用的变形数据集。通过在更高扩散时间步长上对含噪替代混合进行微调，Mix2Morph 产生稳定、感知连贯的变形，令人信服地融合了两种源声音的特性。我们特别针对声音注入，这是变形中一个基于实践和感知的亚类，其中一个声音作为主导主源，提供整体时间和结构行为，而第二个声音被注入其中，丰富其音色和纹理品质。客观评估和听力测试表明，Mix2Morph 优于先前的基线，并在不同类别中产生高质量的声音注入，这代表了向更可控和概念驱动的声音设计工具迈出的一步。声音示例可在 https://anniejchu.github.io/mix2morph 获取。
引用
@article{arxiv.2601.20426,
title = {Mix2Morph: Learning Sound Morphing from Noisy Mixes},
author = {Annie Chu and Hugo Flores García and Oriol Nieto and Justin Salamon and Bryan Pardo and Prem Seetharaman},
journal= {arXiv preprint arXiv:2601.20426},
year = {2026}
}
备注
Accepted into ICASSP 2026