English(EN) Time-Varying Audio Effect Modeling by End-to-End Adversarial Training

新的GAN框架在无控制信号的情况下模拟时变音频效果

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-16 04:00

研究人员开发了一种新颖的生成对抗网络（GAN）框架，用于在无需提取控制信号的情况下模拟时变音频效果。该方法仅使用输入输出音频录音，解决了传统黑盒建模在动态系统中的局限性。该框架采用卷积循环架构和两阶段训练策略：初始对抗阶段学习调制行为，然后通过状态预测网络（SPN）进行监督微调以实现同步。还引入了一种量化调制精度的新指标，并在老式移相器上的实验证明了该方法的有效性。 AI

影响引入了一种新颖的基于GAN的方法来模拟复杂、时变音频效果，有望改进音频处理和合成工具。

排序理由该集群包含一篇详细介绍音频效果建模新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

Yann Bourdin

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Yann Bourdin, Pierrick Legrand, Fanny Roche · 2026-06-16 04:00

Time-Varying Audio Effect Modeling by End-to-End Adversarial Training

arXiv:2512.15313v2 Announce Type: replace-cross Abstract: Deep learning has become a standard approach for the modeling of audio effects, yet strictly black-box modeling remains problematic for time-varying systems. Unlike time-invariant effects, training models on devices with i…

报道来源 [1]

Time-Varying Audio Effect Modeling by End-to-End Adversarial Training

相关话题