MusicWeaver：作曲家风格的结构化编辑与分钟级连贯音乐生成

音乐生成的最新进展能够产生令人惊叹的样本，然而，实用的音乐创作仍缺乏两项关键能力：作曲家风格的结构化编辑与分钟级的连贯性。我们提出了 MusicWeaver，这是一个使用人类可解释的中间表示来生成和编辑长程音乐的框架，并保证了编辑的局部性。MusicWeaver 将生成分解为两个阶段：首先预测一个结构化计划，即一个编码音乐属性的多层级歌曲程序，作曲家可以直接对其进行编辑，然后根据该计划渲染音频。为确保分钟级连贯性，我们引入了全局-局部扩散 Transformer (Global-Local Diffusion Transformer)，其中全局路径通过压缩表示和记忆捕捉长程音乐演进，而局部路径合成细粒度的声学细节。我们进一步提出了动机记忆检索 (Motif Memory Retrieval) 模块，以可控的变化实现一致的动机重现。在编辑方面，我们提出了投影扩散修复 (Projected Diffusion Inpainting)，这是一种仅对用户指定区域进行去噪并保留未更改内容的修复方法，允许重复编辑而不发生漂移。最后，我们引入了结构连贯性得分 (Structure Coherence Score) 和编辑保真度得分 (Edit Fidelity Score) 来评估长程形式和编辑实现。实验表明，MusicWeaver 实现了最先进的保真度、可控性和长程连贯性。