MusRec：通过矩形流和扩散变换器实现零样本文本到音乐编辑
声音
2025-11-19 v3 人工智能
机器学习
多媒体
音频与语音处理
摘要
音乐编辑已成为人工智能的重要且实际的领域，应用范围涵盖视频游戏和电影音乐制作以及根据用户偏好个性化现有音轨。然而，现有模型面临显著限制，如仅限于编辑由其自身模型生成的人造音乐、需要高度精确的提示或需要特定任务的再训练，从而缺乏真正的零样本能力。我们利用最近在矩形流和扩散变换器方面的进展，引入 MusRec，一个能够对真实音乐高效有效地执行多样化编辑任务的零样本文本到音乐编辑模型。实验结果表明，我们的方法在保留音乐内容、结构一致性和编辑保真度方面优于现有方法，为实际场景下的可控音乐编辑奠定了强大的基础。
引用
@article{arxiv.2511.04376,
title = {MusRec: Zero-Shot Text-to-Music Editing via Rectified Flow and Diffusion Transformers},
author = {Ali Boudaghi and Hadi Zare},
journal= {arXiv preprint arXiv:2511.04376},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication