AI直接预测钢琴音色均衡器参数，让音乐人一键匹配音色。
From Sound to Setting: AI-Based Equalizer Parameter Prediction for Piano Tone Replication
- 从音频特征直接预测可调的均衡器参数，输出结果可解释。
- 神经网络在多频段任务上均方误差低至0.0216。
- 适合音乐制作人快速匹配钢琴音色，支持后续手动微调。
本项目提出一种基于AI的音乐制作音色复现系统，聚焦于从音频特征直接预测均衡器（EQ）参数设置。与传统音频到音频方法不同，该方法输出可解释的参数值（如均衡器频段增益），便于音乐人在其工作流中进一步调整。基于一组系统性改变均衡器设置的钢琴录音数据集，我们评估了回归模型与神经网络模型的表现。神经网络在多频段任务上的均方误差达到0.0216。该系统为音乐制作人提供了实用、灵活且自动化的音色匹配方案，并为扩展至更复杂的音频效果奠定基础。
原文摘要 · Abstract (English)
This project presents an AI-based system for tone replication in music production, focusing on predicting EQ parameter settings directly from audio features. Unlike traditional audio-to-audio methods, our approach outputs interpretable parameter values (e.g., EQ band gains) that musicians can further adjust in their workflow. Using a dataset of piano recordings with systematically varied EQ settings, we evaluate both regression and neural network models. The neural network achieves a mean squared error of 0.0216 on multi-band tasks. The system enables practical, flexible, and automated tone matching for music producers and lays the foundation for extensions to more complex audio effects.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。