論文の概要: Architecture and Affordances of PLAUD: Performative Latents and Unsupervised DDSP

• arxiv url: http://arxiv.org/abs/2608.13724v1
• Date: Thu, 13 Aug 2026 19:36:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.202947
• Title: Architecture and Affordances of PLAUD: Performative Latents and Unsupervised DDSP
• Title（参考訳）: PLAUDのアーキテクチャとアフォーマンス--Performative Latents and Unsupervised DDSP
• Abstract要約: PLAUD(Performative Latents and UnsupervisedP)は、NossBandNet上に構築され、小型のパーソナルサウンドコーパスで訓練されたニューラルシンセサイザーである。 本稿では, 変分合成モデル, 潜時平滑化, マルチスケールスペクトル対向損失, 任意変圧器を組み合わせたアーキテクチャを提案する。 本稿は,本システムの技術的説明と,ライブ電子音楽演奏におけるその役割の定員分析に貢献する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: PLAUD (Performative Latents and Unsupervised DDSP) is a neural synthesizer and Max for Live instrument for live electronic music, built on NoiseBandNet and trained on small personal sound corpora. We present its architecture, combining a variational DDSP synthesis model, latent smoothing, multi-scale spectral and adversarial losses, and an optional transformer prior, alongside a set of bending operations that intervene directly in the synthesis chain: component limiting, waveshaping, and prior feedback. The Max for Live interface exposes control generation, trajectory sampling, and modulation as primary modes of interaction. Throughout, we thread an affordance analysis arguing that the system's performative character follows from architectural decisions rather than being designed on top of them. The paper contributes both a technical account of the system and a situated affordance analysis of its role in live electronic music performance.
• Abstract（参考訳）: PLAUD (Performative Latents and Unsupervised DDSP) は、ニューラルシンセサイザーであり、NossBandNet上に構築され、小型のパーソナルサウンドコーパスで訓練されたライブ電子音楽のためのライブ・インスツルメンツである。 本稿では, DDSP合成モデル, 潜時平滑化, マルチスケールスペクトル, 逆方向損失, および任意の変圧器と, 成分制限, 波動応答, 先行フィードバックなど, 合成チェーンに直接介入する曲げ操作のセットを組み合わせたアーキテクチャを提案する。 Max for Liveインタフェースは、制御生成、軌道サンプリング、変調を主要なインタラクションモードとして公開する。 全体として、システムの性能特性は、その上に設計されるのではなく、アーキテクチャ上の決定によって従う、と論じている。 本稿は,本システムの技術的説明と,ライブ電子音楽演奏におけるその役割の定員分析に貢献する。

関連論文リスト

• From Textural Counterpoint to Feature Encoding: A Multi-Dimensional Machine Representation Study of Haydn's "The Lark" Integrating Electroacoustic Analysis [11.369230577047423]
  本稿では,Hydn's String Quartet in D Major, The Larkの学際的解析を行う。 本研究はまず,先行音声の対向形態を識別するために聴覚分析を利用する。 本稿では,低レベルコンピュータ特徴抽出に対する基本的新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2026-07-07T06:58:46Z)
• LK Jam: System Architecture and Implementation of a Real-Time Human-AI Interactive Music Generation System using Role-Aware GRU [5.407906676682284]
  LK_Jam(LK_Jam)は、リアルタイム・双方向のヒューマンコンピュータ・インタラクティブ音楽生成システムである。 軽量GRU(Gated Recurrent Unit)と高性能オーディオホストアーキテクチャをベースとしている。
  論文  参考訳（メタデータ） (2026-06-19T01:03:44Z)
• RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
  ロボットのためのロバスト自動データ取得(RADAR)について紹介する。 RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。 シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-12T11:18:52Z)
• Ivan-ISTD: Rethinking Cross-domain Heteroscedastic Noise Perturbations in Infrared Small Target Detection [53.689841037081834]
  Ivan-ISTD は ISTD におけるクロスドメインシフトと異方性雑音摂動の2つの課題に対処するように設計されている。 Ivan-ISTDはクロスドメインシナリオにおいて優れた堅牢性を示している。
  論文  参考訳（メタデータ） (2025-10-14T07:48:31Z)
• High-Quality Sound Separation Across Diverse Categories via Visually-Guided Generative Modeling [65.02357548201188]
  DAVIS(Diffusion-based Audio-VIsual separation framework)を提案する。 本フレームワークは、混合音声入力と関連する視覚情報に基づいて、ノイズ分布から直接、所望の分離音スペクトルを合成することによって機能する。
  論文  参考訳（メタデータ） (2025-09-26T08:46:00Z)
• FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
  本稿では,潜時拡散モデルにおける周波数制御について検討する。 本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。 FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
  論文  参考訳（メタデータ） (2025-04-02T22:03:11Z)
• Performance Conditioning for Diffusion-Based Multi-Instrument Music Synthesis [15.670399197114012]
  本稿では,特定の性能と記録環境に生成モデルを条件付け,多施設合成の制御を強化することを提案する。 パフォーマンスコンディショニング(Performance Conditioning)とは、特定の演奏から採った特定の楽器のスタイルと音色で音楽を合成する生成モデルを示すツールである。 試作機は,多種多様な楽器と最先端のFADリアリズムスコアを用いた未計算性能を用いて評価した。
  論文  参考訳（メタデータ） (2023-09-21T17:44:57Z)
• DDX7: Differentiable FM Synthesis of Musical Instrument Sounds [7.829520196474829]
  微分可能ディジタル信号処理(DDSP)により、ディープニューラルネットワーク(DNN)によるニュアンスドオーディオレンダリングが可能になった 楽器音のニューラルFM再生のための軽量アーキテクチャDX7(DDX7)を提案する。
  論文  参考訳（メタデータ） (2022-08-12T08:39:45Z)
• MIDI-DDSP: Detailed Control of Musical Performance via Hierarchical Modeling [6.256118777336895]
  音楽表現は、どの音符が演奏され、どのように演奏されるかの両方を制御する必要がある。 楽器の階層モデルであるMIDI-DDSPを導入し,リアルなニューラルオーディオ合成と詳細なユーザ制御を実現する。 この階層は、高忠実度音声を再構成し、音符列のパフォーマンス特性を正確に予測し、与えられた音符列の属性を独立に操作し、また、完全なシステムとして、新しい音符列から現実的な音声を生成することを実証する。
  論文  参考訳（メタデータ） (2021-12-17T04:15:42Z)
• SensiX++: Bringing MLOPs and Multi-tenant Model Serving to Sensory Edge Devices [69.1412199244903]
  エッジデバイス上でMLOpsを統合した,適応モデル実行のためのマルチテナントランタイムを提案する。 S SensiX++は、高度にモジュール化されたコンポーネント化と、明確な抽象化によるデータ操作の外部化と、システム全体のオーケストレーションのためのドキュメント中心の宣言という、2つの基本原則で運用されている。 SensiX++のさまざまな自動化コンポーネントの全体的なスループットと定量化メリットについて報告し、運用の複雑さを著しく低減し、エッジデバイスへの組み込みモデルのデプロイ、アップグレード、再構成、提供の労力を削減する効果を実証する。
  論文  参考訳（メタデータ） (2021-09-08T22:06:16Z)
• VaPar Synth -- A Variational Parametric Model for Audio Synthesis [78.3405844354125]
  本稿では,条件付き変分オートエンコーダ(CVAE)を用いた変分パラメトリックシンセサイザVaPar Synthを提案する。 提案するモデルの性能は,ピッチを柔軟に制御した楽器音の再構成と生成によって実証する。
  論文  参考訳（メタデータ） (2020-03-30T16:05:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。