FlowGRPO 用于人声分离
用端点奖励对齐 Flow Matching 模型的波形级与感知质量目标。
为什么重要
为音乐分离模型的后训练奖励设计提供了可参考方案。
阅读原文arxiv.org
AI 解读（根据原文生成）
论文提出将 FlowGRPO 用于音乐中的人声分离后训练。针对 Flow Matching 目标监督中间状态速度场、而波形指标在解码后评估且可能不可微的问题，方法用端点奖励优化模型轨迹。作者采用 MRSTFT、SI-SDR 和 ViSQOL 作为奖励组件，并分析数据质量因素与组内最大奖励和平均 rollout 奖励差距的关系；据此修改 ViSQOL 奖励并加入基于预定义波形检查的样本质量过滤。论文称这些设计提升了预训练人声分离器的分离性能和感知质量。
要点（AI 据原文整理，数字均已与原文核对）
- arXiv 编号：2610.15780
- 主分类：cs.SD
- 分类：cs.SD
- arXiv 公布日期：2026-10-14
- 论文许可：arXiv 非独占分发许可 1.0
- Authors: Lishi Zuo, Chong-Xin Gan, Zezhong Jin, Youzhi Tu, Man-Wai Mak, KongAik Lee.