SteerMusic：零样本文本导向和个性化音乐编辑的增强音乐一致性
声音
2025-12-09 v3 多媒体
音频与语音处理
摘要
音乐编辑是音乐制作中的重要步骤，具有广泛的应用前景，包括游戏开发和电影制作。大多数现有零样本文本导向编辑方法依赖预训练扩散模型，涉及前向-后向扩散过程，但这些方法常常难以保持音乐内容的一致性。此外，仅靠文本指令通常难以准确描述所需的音乐。本文提出了两种改进音乐编辑的方法，通过利用得分蒸馏来增强原音乐与编辑后音乐之间的一致性。第一种方法SteerMusic是一种粗粒度零样本编辑方法，使用delta denoising得分。第二种方法SteerMusic+通过操控代表用户定义音乐风格的概念标记，实现细粒度个性化音乐编辑。SteerMusic+允许将音乐编辑为文本指令无法实现的用户定义音乐风格。实验结果表明，我们的方法在保持音乐内容一致性和编辑保真度方面优于现有方法。用户研究进一步验证了我们的方法在音乐编辑质量方面的优越性。
引用
@article{arxiv.2504.10826,
title = {SteerMusic: Enhanced Musical Consistency for Zero-shot Text-guided and Personalized Music Editing},
author = {Xinlei Niu and Kin Wai Cheuk and Jing Zhang and Naoki Murata and Chieh-Hsin Lai and Michele Mancusi and Woosung Choi and Giorgio Fabbro and Wei-Hsiang Liao and Charles Patrick Martin and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:2504.10826},
year = {2025}
}
备注
Accepted by AAAI2026