MixtureTT论文提出多声部音乐音色迁移扩散模型

Leduo Chen、Junchuan Zhao、Shengchen Li在arXiv发布MixtureTT论文（摘要），提出据作者所称首个直接从复调混音中做逐声部音色迁移的系统：联合生成多个目标乐器声部，同时保持原有旋律与节奏。 系统采用Joint Stem Diffusion Transformer，先建模跨声部和声上下文，再在各声部的内容与音色条件下细化输出；用单一联合扩散过程替代先分离再迁移的流水线，以避免分离伪影的传播。作者称该系统在客观与主观评测上优于实际的“先分离后迁移”方案，并在给定真实分轨（ground-truth isolated stems）时与单乐器方法表现相当；在合成与真实音频的SATB基准上展示了泛化能力。以上结果均出自论文摘要，尚属作者声称。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。