音乐混音风格迁移：一种解耦音频效果的对比学习方法
音频与语音处理
2023-04-12 v3 机器学习
声音
摘要
我们提出了一种端到端音乐混音风格迁移系统，可将输入多轨音乐的混音风格转换为参考歌曲的混音风格。这是通过一个以对比目标预训练的编码器实现的，该编码器从参考音乐录音中仅提取与音频效果相关的信息。我们所有模型均以一种自监督方式从已处理的湿多轨数据集训练，并采用一种有效的数据预处理方法，以缓解获取未处理干数据的数据稀缺问题。我们分析了所提编码器在音频效果解耦方面的能力，并通过客观与主观评价验证其在混音风格迁移上的性能。从结果中，我们表明所提系统不仅将多轨音频的混音风格转换至接近参考，而且在使用音乐源分离模型时对混合式风格迁移也具有鲁棒性。
引用
@article{arxiv.2211.02247,
title = {Music Mixing Style Transfer: A Contrastive Learning Approach to Disentangle Audio Effects},
author = {Junghyun Koo and Marco A. Martínez-Ramírez and Wei-Hsiang Liao and Stefan Uhlich and Kyogu Lee and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:2211.02247},
year = {2023}
}