Muquarrab A. Qureshi
PulseAugur coverage of Muquarrab A. Qureshi — every cluster mentioning Muquarrab A. Qureshi across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法探索解耦音频基础模型以用于音乐相似性
研究人员探索了一种解耦音频基础模型的新方法，特别关注其在音乐相似性方面的应用。该研究调查了如何将条件相似性网络（CSN）改编为使用 CLAP 等模型的冻结预训练嵌入，而不是从头开始训练新的骨干网络。这种事后解耦方法表明，最少的适应即可充分提高音乐相似性任务上的特定属性解耦和整体检索性能。
-
新的 C++ 工具支持使用 GGML 模型进行音频嵌入推理
一个名为 clap.cpp 的新 C++ 实现已被开发出来，用于使用 GGML 模型进行音频嵌入推理。该工具支持 CLAP、CLAP2、CLaMP3、MERT、MuQ 和 MuQ-MuLan 等各种音频模型，并能处理 WAV、MP3 和 FLAC 文件格式。它提供了一个命令行界面、一个支持 OpenAI 兼容文本嵌入请求格式的 HTTP 服务器，以及 Python、Rust 和 Node.js 的绑定，从而实现了通过文本描述搜索音频文件等功能。
-
新数据集和模型推动流行音乐转录发展
研究人员推出了SheetSage-A2S数据集，这是一个包含61小时流行音乐音频及其乐谱编码的新颖集合，旨在推动音频到乐谱的转录研究超越古典音乐领域。所提出的模型利用预训练特征和数据增强，在古典音乐基准测试上实现了4.98%的符号错误率，显著优于先前最先进的方法。此外，该模型在新SheetSage-A2S数据集上表现出20.92%的符号错误率，为流行音乐转录设定了基准。
-
评分感知训练用有限数据提升文本到音乐生成效果
研究人员开发了一种新颖的评分感知训练方法，以改进文本到音乐生成，尤其是在处理有限数据时。该技术利用音频-字幕对齐分数作为直接监督信号，重新利用得分较低的片段进行训练。该系统名为FluxAudio，还采用了片段级过滤和两阶段字幕生成过程来提高性能。该模型拥有4.5亿参数，已提交至ICME 2026 ATTM Grand Challenge，在客观评估中排名第二，在效率赛道中排名第三。