MuseCPBench：基于音乐上下文保持的音乐编辑方法实证研究
声音
2025-12-17 v1 人工智能
摘要
音乐编辑在现代音乐制作中发挥着重要作用，广泛应用于电影、广播和游戏开发等领域。近期发展使音乐生成模型能够实现多样化的编辑任务，如声音特征迁移、乐器替换和体裁转换。然而，许多现有工作忽略了评估其保持音乐细微特征能力的程度——我们定义为音乐上下文保持(MCP)。虽然一些研究考虑了MCP，但采用了不一致的评估协议和指标，导致不可靠且不公平的比较。为解决这一问题，我们引入第一个MCP评估基准MuseCPBench，涵盖四类音乐细微特征，使其能够对五个代表性音乐编辑基线方法进行全面比较。通过沿音乐细微特征、方法和模型进行系统性分析，我们识别出当前音乐编辑方法中存在的持续性保持缺口，并提供了深入解释。我们希望我们的发现为开发具备强MCP能力的更有效可靠的音乐编辑策略提供实用指导。
引用
@article{arxiv.2512.14629,
title = {MuseCPBench: an Empirical Study of Music Editing Methods through Music Context Preservation},
author = {Yash Vishe and Eric Xue and Xunyi Jiang and Zachary Novack and Junda Wu and Julian McAuley and Xin Xu},
journal= {arXiv preprint arXiv:2512.14629},
year = {2025}
}