CTAG-FX：借助语言与音频基础模型把合成器参数转换为音效控制

最近的文本引导音频 FX 研究重点是将自然语言描述转换为参数或现有 FX 系统中的链配置。然而，对于如何构建单个 FX 处理器的内部控制空间本身，人们的关注相对较少。为了解决这一差距，我们提出了 CTAG-FX，它在功能上重新解释了文本条件合成器配置中 78参数的角色，作为音调整形 FX 处理器的控制。每个合成器配置都定义了一个固定的音调整形处理器，可以重复应用于新的音频输入，而不是仅产生一次性渲染的输出。文本条件合成器配置是使用 A&R-CTAG（CTAG 的检索增强扩展）生成的。我们通过信号级分析以及加扰映射 消融 来评估 CTAG-FX，其中随机排列参数到控制分配以评估所提议的角色分配的贡献。基于角色的映射会产生提示不同的频谱和非线性行为，而置乱则减少了这种提示特定的差异，并产生对提示更加不敏感的非线性配置文件。总的来说，这些结果表明合成器参数空间不仅可以用作声音生成空间，还可以用作构建新的音频效果控制空间的设计资源。音频样本可在 https://taylor3527eg-hub.github.io/ctag-fx-platform-demo/. 获取