論文の概要: Agentic Music Post-Production

• arxiv url: http://arxiv.org/abs/2610.29093v1
• Date: Wed, 21 Oct 2026 02:36:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.180221
• Title: Agentic Music Post-Production
• Title（参考訳）: エージェント音楽のポストプロダクション
• Abstract要約: MixAgentは、レファレンスソングでガイドされた解釈可能で編集可能なミキシングプランを構築する。 MixCriticは、プロのミキシングに適合するパラメータから派生した45,657の修理批評のデータセットである。 MedleyDBでは、学習されたリファインメントは最初のミックスと比較してエラーを19%減らし、優先最適化は教師付きトレーニングだけで8.4%減らした。
• 参考スコア（独自算出の注目度）: 37.08734965739621
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce MixAgent, an agentic pipeline for music post-production that follows the workflow of audio engineers to build interpretable and editable mixing plans guided by a reference song. A grouping agent first routes related input tracks, such as drum recordings, into subgroups. A planning agent then uses retrieved examples to choose and order audio effects, such as volume control and reverb, for tracks, subgroups, and the full mix. To refine the mix, a detector identifies what needs correction, and a critic proposes numerical parameter adjustments from tracks to the full mix. In our experiments, prompting recent multimodal models to listen and revise often worsens the mix, making reliable correction a central challenge. We therefore build MixCritic, a dataset of 45,657 repair critiques derived from parameters fitted to professional mixes, and train the critic with supervised fine-tuning followed by preference optimization on rendered audio outcomes. On MedleyDB, learned refinement reduces error by 19% relative to the initial mix, with preference optimization reducing it by 8.4% over supervised training alone. Retrieved examples further improve effects selection, and a human listening test shows that MixAgent gets higher quality ratings than mixes produced by Qwen3-Omni, Gemini 3.8 Flash and GPT-4o-audio.
• Abstract（参考訳）: 音声技術者のワークフローに従って、参照歌で案内された解釈可能で編集可能なミキシングプランを構築する、音楽ポストプロダクションのためのエージェントパイプラインであるMixAgentを紹介する。 グルーピングエージェントは、まず、ドラム録音などの関連する入力トラックをサブグループにルーティングする。 プランニングエージェントは、検索したサンプルを使用して、トラック、サブグループ、フルミックスのボリュームコントロールやリバーブなどのオーディオ効果を選択し、注文する。 このミキシングを改良するため、検出器は補正が必要なものを識別し、批評家はトラックからフルミックスまでの数値パラメータ調整を提案する。 我々の実験では、最近のマルチモーダルモデルに聞き取りと修正を促すと、しばしば混在が悪化し、信頼性の高い修正が中心的な課題となる。 そこで我々は,プロのミキシングに適合するパラメータから45,657点の修理批評を抽出したMixCriticを構築し,教師付き微調整とレンダリングされたオーディオ結果の優先最適化により,批評家を訓練する。 MedleyDBでは、学習されたリファインメントは最初のミックスと比較してエラーを19%減らし、優先最適化は教師付きトレーニングだけで8.4%減らした。 再現された例は効果の選択をさらに改善し、人間の聴取テストでは、Qwen3-Omni、Gemini 3.8 Flash、GPT-4oaudioの混合よりも、MixAgentが高品質のレーティングを得ることが示された。

関連論文リスト

• Spot, Separate, and Enhance: Fully Generative Approach for Audio Mixing [6.653396016740488]
  Spot, Separate, and Enhance (SSE) は、オーディオリミックスとエンハンスメントのためのマルチモーダルなユーザガイド生成モデルである。 SSEは、オーディオを再バランスさせ、不要なオーディオソースを除去し、ビデオとテキストの両方でガイドされる残響を減らすことで、ビデオコンテンツを強化する。
  論文  参考訳（メタデータ） (2026-09-24T07:42:02Z)
• Summary of The Inaugural Music Source Restoration Challenge [52.405241781545634]
  Music Source Restoration (MSR)は、プロの混在したオーディオからオリジナル、未処理の楽器を復元することを目的としている。 MSR Challengeは、Multi-Mel-SNR、Zimtohrli、FAD-CLAPを用いたスタジオ生産混合物の客観的評価を特徴とする。 勝利システムは4.46dBのMulti-Mel-SNRと3.47のMOS-Overallを達成し、それぞれ第2位のシステムに対して91%と18%の相対的な改善を達成した。
  論文  参考訳（メタデータ） (2026-01-07T19:31:06Z)
• It's Never Too Late: Noise Optimization for Collapse Recovery in Trained Diffusion Models [80.53672733210111]
  基本モデルの忠実さを保ちつつモード崩壊を緩和する,単純な雑音最適化の目的を示す。 実験により,騒音の最適化は生成品質と多様性の点で優れた結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2025-12-31T19:47:49Z)
• Unleashing the Power of Natural Audio Featuring Multiple Sound Sources [54.38251699625379]
  ユニバーサルサウンド分離は、混合音声から異なるイベントに対応するクリーンなオーディオトラックを抽出することを目的としている。 複雑な混合音声を複数の独立したトラックに分解するために,データエンジンを利用するフレームワークであるClearSepを提案する。 実験では、ClearSepは複数の音分離タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-04-24T17:58:21Z)
• ROPO: Robust Preference Optimization for Large Language Models [59.10763211091664]
  外部モデルの助けを借りずにノイズ耐性とノイズサンプルのフィルタリングを統合する反復アライメント手法を提案する。 Mistral-7BとLlama-2-7Bで広く使われている3つのデータセットの実験では、ROPOが既存の嗜好アライメント法を大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-04-05T13:58:51Z)
• Benchmarks and leaderboards for sound demixing tasks [44.99833362998488]
  音源分離タスクのための2つの新しいベンチマークを導入する。 これらのベンチマークでは、音のデミックスやアンサンブルなどの人気モデルを比較します。 また,特定の茎に最適な異なるモデルのアンサンブルに基づく,音声分離のための新しいアプローチも開発している。
  論文  参考訳（メタデータ） (2023-05-12T14:00:26Z)
• Music Mixing Style Transfer: A Contrastive Learning Approach to Disentangle Audio Effects [23.29395422386749]
  入力されたマルチトラックのミキシングスタイルを参照歌のミキシングスタイルに変換するエンド・ツー・エンドのミキシングスタイル転送システムを提案する。 これは、基準音楽記録からオーディオ効果関連情報のみを抽出するために、コントラスト目的で事前訓練されたエンコーダで達成される。
  論文  参考訳（メタデータ） (2022-11-04T03:45:17Z)
• Improved singing voice separation with chromagram-based pitch-aware remixing [26.299721372221736]
  高いピッチアライメントを持つ音楽セグメントを混合したクロマグラムベースのピッチ認識リミックスを提案する。 我々は、ピッチ認識リミックスによるトレーニングモデルにより、テスト信号-歪み比(SDR)が大幅に改善されることを実証した。
  論文  参考訳（メタデータ） (2022-03-28T20:55:54Z)
• Reverb Conversion of Mixed Vocal Tracks Using an End-to-end Convolutional Deep Neural Network [13.346699679801523]
  2つの異なるボーカルトラックのリバーブファクターを切り替えることができるエンド・ツー・エンドシステムを提案する。 提案モデルは,高分解能オーディオサンプルの処理を可能にする敵目的と組み合わせて訓練される。 私たちの知る限りでは、これはディープニューラルネットワークをボーカルトラックの音楽残響変換に適用する最初の試みです。
  論文  参考訳（メタデータ） (2021-03-03T03:02:27Z)

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。