智能体混音流程在 MedleyDB 上误差降低 19%
资讯摘要
论文提出 MixAgent，一个模拟音频工程师工作流的音乐后期制作智能体流程：分组智能体将相关输入轨道归入子组，规划智能体借助检索示例为轨道、子组和整体混音选择并排序音量、混响等效果；检测器找出需修正之处，评论器给出从轨道到整体混音的数值参数调整。作者构建 MixCritic 数据集（45,657 条修复评论）并训练评论器。在 MedleyDB 上，学习式精修使误差较初始混音降低 19%，偏好优化在监督训练基础上再降 8.4%；人工听测中 MixAgent 评分高于 Qwen3-Omni、Gemini 3.8 Flash 和 GPT-4o-audio 生成的混音。
要点速读
- MixAgent 采用分组、规划、检测、评论的多智能体流程，以参考歌曲引导生成可解释、可编辑的混音方案。
- 作者报告直接提示近期多模态模型听辨并修改常使混音变差，因此构建 MixCritic 数据集并训练评论器。
- MedleyDB 实验中学习式精修使误差较初始混音降低 19%，偏好优化较仅监督训练再降 8.4%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。