Sori：非音乐音频转符号音乐
提出 NASMT 任务，并用可流式 Transformer 控制对应性与音乐性。
为什么重要
为非音乐音频到符号音乐的生成与评测提供了新任务和可控基线。
阅读原文arxiv.org
AI 解读（根据原文生成）
论文提出 Non-musical Audio to Symbolic Music Transformation（NASMT）任务，将非音乐音频转换为符号音乐表示。作者提出 Sori，一个编码器—解码器 Transformer，通过 domain adversarial training 缩小音乐与非音乐音频在编码器特征空间的差距，并使用带连续参数 γ 的 classifier-free guidance，在推理时控制输入对应性与音乐性的权衡。客观指标和听感研究显示，Sori 可通过 γ 实现连续控制，并优于 instrument-agnostic transcription models。论文和音频示例链接已提供。
要点（AI 据原文整理，数字均已与原文核对）
- Sori is an encoder--decoder Transformer.
- Across objective metrics and a listening study, Sori provides effective continuous control via γ.
- Sori compares favorably with instrument-agnostic transcription models.
- Sori supports real-time streaming on a consumer CPU.