AnchorSteer：用于保留结构的音乐编辑的自我发现概念注入

可控音乐编辑是在严格保留节奏和旋律结构的同时修改高级属性。然而，这项任务面临着语义结构纠缠的挑战：转向方法通常会降低结构以实现编辑性能，而结构适配器会抑制语义响应。我们提出了 AnchorSteer，这是一个通过将结构锚定与自我发现的语义引导相结合来消除这种紧张关系的框架。所提出的方法探测内部表示，通过自我监督的重建目标提取可解释的、无标签的概念向量，在没有精选数据的情况下隔离属性。在编辑过程中，这些便携式、即插即用的概念向量被注入扩散隐藏流形，同时结构适配器强制一致性。提供无条件和条件注入的变体以平衡鲁棒性和语义强度。 ZoME-Bench 和主观测试的实验表明，所提出的框架优于仅转向和仅锚定基线，从而实现了具有高保真结构保留的显着语义转换。