📄 集中一击不等于真实部署：局部和弦损坏为何夸大了伴奏生成器的反应
英文题目：Local Chord Corruption Is Not Recognizer Replay: Chord-Condition Propagation in MIDI-SAG
一句话：论文把中央四秒三全音损坏与完整识别器回放放在同一冻结渲染管线里配对比较，发现前者在三类色度特征上都显著放大了条件传播，而匹配时间支撑与关系构成后差距大幅缩小，但全部证据仍限于单一生成器检查点与客观色度指标。
标签：#音乐生成 | #生成模型 | #音乐理解
评分：6.1/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 1/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5
👥 作者与机构
- Weiwen Huang：机构信息未在 arXiv HTML 中可靠披露
💬 毒舌点评
把局部三全音探针和完整识别器回放钉在同一生成器、同一轨道、同一窗口上硬碰硬，校准思路干净且在两条识别器路径上都复现了，值得肯定。但全部结论拴在一个冻结的 MIDI-SAG 检查点和 30 条配对窗口上，没有跨生成器、没有听感实验，所谓部署行为锚定更像是在自家渲染管线里自证。
📌 核心摘要
本文要回答歌声伴奏生成中局部合成和弦损坏能否代表部署时自动和弦识别输出的真实控制条件。做法是冻结人声轨道、生成器上下文、提示、种子与 12 秒评分窗，只切换和弦条件，对比中央 4 秒三全音替换与完整识别器序列回放经固定 MIDI-SAG 生成器后的输出传播，并用复制支撑掩码与关系构成计数的合成代理做校准。相对已有工作问生成器能否容忍错误和弦，本文转向评估问题，即局部探针与完整操作条件是否等价。在 30 条配对轨道上中央损坏在短时傅里叶变换色度、恒 Q 变换色度、色度能量归一化统计量三视图的变更目标效应与内部输出变化均大于卷积神经网络结合条件随机场完整回放，色度能量归一化统计量目标差距均值 0.462，29 条轨道为正。18 条独立诊断轨道上相对根音替换的整窗输出变化约为同根音质量翻转的 2.88 倍。支撑匹配与构成匹配各自大幅缩小回放距离，二者联合取得最低回放距离，并在深度色度结合条件随机场路径上复现。意义在于给出可复用的分离式评估协议，局部编辑测和声机制，完整回放锚定部署条件。局限是证据限于单一生成器检查点与有限筛选曲库，且以色度族客观特征为主而无主观听感验证。
🔗 开源与复现资源
- 代码：https://github.com/Viwennnnnn/local-chord-corruption-replay
- 模型权重：论文中未提及
- 数据集：论文中未提及
- Demo：论文中未提及
- 复现材料：论文提供 versioned manifest、metric table、evaluator 和 figure script，另含 30 track 配对结果与 mapping 及 audio-QA 说明，生成使用 42、123 和 2027 seed，特征采用 0.5 s 分块的 STFT、CQT 和 CENS 视图并在 track 内平均 seed 后推理
- 论文中引用的开源项目：论文提及 CNN-CRF、DeepChroma+CRF 和 MIDI-SAG，论文中未提及链接
- 资源可达性验证：未发现可验证的官方 HTTPS 资源 URL。
🧭 深度解读
给人声配伴奏，为什么和弦成了隐形主角
想象你刚进实验室，导师丢给你一段清唱，要你输出一段丰满的乐队伴奏。最省事的想法是让模型听着人声直接即兴，可实际部署时人们总想多拧几个旋钮。歌声伴奏生成，英文叫作 Singing Accompaniment Generation，简称 SAG，正是要在保留人声表现力的同时生成咬合的器乐声部。
经 MIDI 信息增强的版本，英文叫作 MIDI-Informed Singing Accompaniment Generation，简称 MIDI-SAG，则把旋律、和弦与 MIDI 控制显式暴露出来。它像 1 位看得懂和弦谱的键盘手，你告诉它这四小节是 C 到 G 到 Am，它就按框架铺织法。好处是可控，风险也在这里，一旦前端分析器给错和弦，伴奏就会跟着跑偏。
难点在于错误从来不是均匀的。真实的自动和弦识别，英文叫作 Automatic Chord Recognition，简称 ACR，输出的是一整条起伏序列。这里根音错了，那里大小调色彩翻了，偶尔还出现整块无和弦。这种异质流与实验室常用的中央 4 秒强行替换完全不同，后者集中干净易对齐，却可能只测到模型对尖锐刺激的惊跳。
于是评估者面临两难，用合成损坏好做实验但可能夸大，用完整回放真实但杂乱难解释。这篇论文的起点，就是把两种干预钉在同一条轨道、同一个种子、同一段上下文上。逼它们正面交锋，才能看清谁更能代表部署时的行为。
从能容忍错和弦，到错和弦本身是否可比
此前的歌声伴奏路线大致分叉为两派。一派是纯音频条件生成，比如 SingSong 与 FastSAG，让模型直接从人声波形里嗅出该配什么。另一派是显式条件生成，比如 MIDI-SAG 与 MusicGen-Chord，额外要求时间对齐的和弦接口。
前者省去了分析器，后者赢得了可编辑性，但也把识别误差引入了生成链条。在鲁棒性研究里，已有工作问的是生成器中心的问题，当和弦提取不准时模型还能不能稳住。这是一个容忍度问题，回答的是模型有多结实。
这篇论文调转了镜头，问的是评估中心的问题。在相同的渲染条件下，局部人工编辑能否代表完整识别器序列。这是一个等价性问题，回答的是尺子本身准不准。和弦识别文献早就提醒，根音、低音、质量与时值的含混是常态。
卷积网络结合条件随机场的管线，简称 CNN-CRF，与深度色度结合条件随机场的管线，简称 DeepChroma+CRF，恰好提供了两种声学前端。论文把它们都当作已部署的和弦条件来源，而不是要比较谁识别更准。它不训练新生成器，也不发明新识别器，而是补上一块缺失的评估协议。
四秒强刺激与十秒毛边，哪个更吓人
设想同一首歌的同一段 12 秒，你做了两种手脚。第一种是在正中央切 4 秒，把和弦整体拧成三全音关系，那是最远最刺耳的搬移。第二种是把识别器跑完整首歌的结果裁下来贴回去，错误散落在 10 秒以上的窗口里。
直觉上第二种更严重，因为它持续更长、错误总量更大。但生成器是条件渲染器，它对时间的感受并不线性。集中在中央的强关系可能正好打在乐句重心上，引发编曲的大幅转向。而散落的小错可能被上下文熨平，只留下细微的色彩抖动。
局部合成损坏 × 完整识别器回放： 局部合成损坏指人为在中央 4 秒施加一个集中干净的三全音替换，它负责提供可解释的机制探针。完整识别器回放指把识别器在整首混音上的预测序列原样送入生成器，它负责保留部署时真实的异质条件。二者必须搭配，因为只看前者会误把对尖锐关系的敏感当成对部署条件的敏感，只看后者又说不清是哪类和声变化在驱动输出，搭配后才能把机制灵敏度与操作行为分开报告。
要验证这种直觉，必须冻结一切其他变量。同一段人声，同一个 47 秒多的生成上下文，同一个提示，同一个随机种子，同一个 12 秒打分窗。唯一允许变化的是和弦条件，只有这样输出差异才能归因到控制序列的结构。
冻结一切只换和弦，配对协议的全景
论文的方法不是新模型，而是一套配对条件传播评估框架。数据流可以想象成 3 路输入、两路输出，输入侧是原始人声波形、冻结基线和声条件、扰动后和弦条件。三者并行进入固定的 MIDI-SAG 生成器，输出侧得到基线伴奏与变更伴奏的成对音频。
生成函数被记为 G(v,c;s)，其中 v 是人声，c 是和弦序列，s 是种子。基线是自带冻结时间对齐和声条件下的输出，并非专家标注真值，这意味着比较的是偏离基线的程度。局部条件是冻结中央 4 秒的三全音替换，完整回放是识别器在完整混音上运行后裁剪到上下文的整曲预测。
为了让校准有抓手，作者又引入轮廓匹配代理。白话说就是复制回放的 0 点 5 秒块掩码与关系类别计数，但不复制具体标签。这像是描摹对方的出拳节奏与拳种配比，却不照抄每一拳的落点。它既保留人工干预的可控性，又逼近自然识别输出的结构。
3 类条件、4 种构造、两种识别器路径，全部被钉在相同种子与上下文中渲染。每个条件用 3 个固定种子生成，种子内平均后再以轨道为单位检验。这种冻结配对的设计，让局部机制测试与部署条件测试第 1 次真正可比。
怎么算跟过去了，两个端点的分工
度量模块工作在 0 点 5 秒分块上，提取短时傅里叶变换色度、恒 Q 变换色度与色度能量归一化统计量 3 类特征。它们分别简称 STFT、CQT 与 CENS，所有向量先做 L2 归一化再算余弦相似。变更块集合只包含和弦发生变化的块，后续平均都落在这里。
变更目标效应回答的是跟随方向，变更后伴奏是否比基线更靠近变更后和弦模板。它的形式是一个双重差分，先看变更输出相对两个模板的偏好，再减去基线输出相对两个模板的偏好。正值意味着输出确实跟着新的和弦走了，而且每个条件有各自的目标模板。
\[\begin{split}E_{\mathrm{target}}={}&\operatorname*{mean}_{t\in\mathcal{I}}\bigl\{\cos(y_{t},h_{1}(t))-\cos(y_{t},h_{0}(t))\\ &\quad-\cos(x_{t},h_{1}(t))+\cos(x_{t},h_{0}(t))\bigr\}.\end{split}\]与之互补的是内部输出变化，它只算基线与变更输出在变更块上的平均距离。它不引入任何模板，扩展到整个 12 秒就是全窗输出变化。前者怕模板选得偏，后者怕不知道往哪偏，两者同向才能让人放心。
\[\Delta_{\mathrm{profile}}=|E_{\mathrm{central}}-E_{\mathrm{replay}}|-|E_{\mathrm{profile}}-E_{\mathrm{replay}}|,\]支撑 × 关系构成： 支撑指和弦发生变化的时间块集合，它回答在何时挑战生成器。关系构成指根音变化、质量变化、无和弦与一致等类别的比例结构，它回答以何种音乐替换挑战生成器。二者必须搭配，因为只看时长会忽略和声功能差异，只看错误率会忽略时间分布，组合后才能解释为何剂量相近的 2 个条件会引发截然不同的伴奏变化，并为合成探针提供可调节的校准方向。
三类条件与四种构造，各自承担什么
基线条件是参照系，它提供未扰动的伴奏特征，后续所有变化都相对它度量。局部合成条件输入中央 4 秒三全音，它的职责是制造集中可复现的强关系。完整回放条件输入整曲识别序列，它的职责是呈现部署时的真实控制流。
轮廓匹配代理家族则是桥梁。精确掩码只复制回放的时间支撑，配以固定五度搬移，回答时间本身能解释多少。构成复制只复制关系类别计数但保留中央支撑，回答关系配比能解释多少。联合轮廓两者都复制，回答两者叠加后还剩多少差距。
变更目标效应 × 内部输出变化： 变更目标效应负责度量变更后伴奏相对基线是否更偏向变更后和弦模板，它引入目标模板因而能判断跟随方向。内部输出变化负责度量基线与变更输出在变更块上的平均距离，它不引入任何模板因而能判断总体偏离幅度。二者必须搭配才能避免单一模板带来的偏见，组合后若两个端点同向变化，就说明校准是输出响应本身的属性，而不只是某一种打分方式的假象。
识别器分段保留原始边界并映射到生成器的根音加质量词表。所有构造都保留基线上下文，只是换掉打分窗内的标签。这样任何输出差异都只能来自和弦条件的几何形状，而不是上下文漂移。
中央三全音替换 × 相对根音替换： 中央三全音替换指把中央 4 秒整体搬移三全音的强不协和干预，它负责制造最大反差的压力测试。相对根音替换指改变根音功能但保留调性关联的诊断干预，它负责与同根音质量翻转形成受控对照。二者必须搭配，因为前者适合展示局部探针会被放大的上限，后者适合在剂量相等时分离根音功能与和弦色彩的作用，组合后才能理解为何不能把所有和弦错误混为同一种扰动剂量。
没有训练阶段时，论文到底算了什么
刚入门的读者看到生成模型论文，第一反应往往是找训练集与优化器。但这项研究明确没有训练新模型，也就没有梯度更新与学习率调度。它的计算全部发生在推理与评估侧，复用一个冻结的 MIDI-SAG 检查点。
真实的计算过程是受控渲染加特征比较。每条轨道固定 47 点 5 4 秒上下文，截取 12 秒打分窗，以 0 点 5 秒为块提取三视图特征。每个条件用 3 个固定种子渲染，种子内平均后再以轨道为推断单位。
主对比涉及 180 组中央探针与回放渲染，轮廓校准新增 270 组，构造拆解再加 360 组。全部渲染都通过完整性检查，统计侧以轨道为单位做 10000 次自助。这种设计把随机性压缩到种子平均与轨道抽样两处，避免把扩散抖动误读成机制效应。
所以与其说这是 1 次训练，不如说这是 1 次大规模受控实验仿真。它用冻结渲染管线换来归因的干净，用多种子与多轨道换来结论的稳定。代价是结论暂时只能锚定在这一个检查点上，换了生成器就需重测。
三十条配对窗与两组诊断集，样本从哪里来
评估池的起点是三十四首曲目中的 4102 个候选窗口。候选按人声活跃度、起始点密度、浊音均方根与静音排序，再在音区与和声变化单元间平衡。最终冻结 30 条 12 秒配对窗口用于主对比，另有 18 条独立诊断轨道与十二轨嵌套子集。
要回答的核心比较很单纯，在相同轨道种子上下文与打分窗下，中央 4 秒三全音的传播是否大于完整回放。基线是冻结和声条件，指标方向是变更目标与内部输出越大表示传播越强。所有检验都经过多重校正，显著性阈值卡得很严。
下表要回答的是样本与协议是否对齐，数据从多大池子里筛出来，每组对照用了多少轨道与种子。只有先看清这些，才能判断后文数字的含金量，而不是被均值牵着走。表中比较条件、控制变量、双指标与成本解释各占一列，请逐列对照阅读。
| 比较任务与样本 | 比较条件与基线 | 关键控制变量 | CENS 指标与 CQT/STFT 指标 | 规模成本与结果解释 |
|---|---|---|---|---|
| 主配对 30 轨 12 秒窗 | 中央三全音对 CNN-CRF 回放，基线为冻结和声 | 47.554 秒上下文冻结，仅换和弦，种子 42/123/2027 | CENS 目标差距 0.462，CQT 目标 0.902 对 0.505 | 原文中没有可逐字绑定的数值证据 |
| 诊断 18 轨独立集 | 相对根音对同根音质量翻转，剂量 0.1059 对 0.1070 | 4 秒编辑，符号质量相等，3 种子 108 组 | 原文中没有可逐字绑定的数值证据 | 与主对比隔离，证明功能差异非剂量差异 |
| 嵌套 12 轨占用对照 | 精确掩码五度搬移对回放，基线同上 | 原文中没有可逐字绑定的数值证据 | STFT 目标 0.166 对 0.178，CENS 仍低 0.047 | 时长对齐后残差归因关系构成 |
| 校准 30 轨轮廓族 | 精确掩码/构成复制/联合轮廓对中央 | 复制掩码与计数不抄标签，270 加 360 组 | 原文中没有可逐字绑定的数值证据 | 全部通过质检，双坐标叠加最优 |
| 第二路径 29 轨 | DeepChroma+CRF 回放对 CNN-CRF 回放 | 同混音解码，87 回放加 261 轮廓 | CENS 增益 0.408，CQT 增益 0.353 | 跨前端复现，规则稳定非偶然拟合 |
表中最后一行是理解泛化边界的关键，第二条识别器路径并非为了比谁更准。它是为了检验校准方向换了前端是否依然成立，统计上以轨道为单位的做法很关键。这意味着单次扩散采样的偶然抖动不会直接进入显著性判断，三视图并列则防止了自说自话。
中央一击反而更大，三视图上的一致放大
主结果要回答的是剂量与反应是否成正比。中央损坏只占 4 点 3 秒，回放分歧平均占 10 点 3 秒。若按时长直觉，后者应该引发更大变化。但在 30 条配对轨道上，中央三全音在三视图的两个端点上全部大于完整回放。
具体到数字，CENS 目标差距均值 0 点 2，29 条轨道为正，区间为 0 点 7 到 0 点 5 三九。内部输出差距均值 0 点 6，二 18 条轨道为正，6 个配对对比经校正后依然显著。这种几乎一边倒的轨道级一致性，比单纯均值更令人信服。
最公平的净收益是，用不到一半的扰动时长，中央探针换来了近 1 倍的目标跟随。这支持论文的核心判断，即局部探针测的是对尖锐关系的敏感。一个必须提及的反例是种子稳定性，3 个种子的均值分别为 0 点 8 与 0 点 9 和 0 点 0。
但这组数字不能推出回放不重要，更不能推出生成器对识别误差免疫。它只说明在当前冻结检查点与高活跃度筛选曲库下，集中强关系引发了更大响应。若换成低活跃度段落或另一套编码器，支撑与构成的权重完全可能变化。
根音一动全身动，剂量相等时的功能差异
如果说主结果揭示了集中与分散的反差，那么十八轨诊断回答的是音乐功能本身的差异。相对根音替换与同根音质量翻转被配成近乎相等的输入分歧质量，分别是 0 点 9 与 0 点 0。这相当于让两种药丸剂量相同，只看药性有何不同。
结果是根音变化的 CENS 全窗输出变化约为质量翻转的 2 点 8 倍。STFT 与 CQT 倍率分别为 1 点 9 与 3 点 1，且在 18 条轨道上全部同向。冻结的和弦编码器本身也分离了这两种条件，说明差异早在条件编码处就已埋下。
这意味着把所有和弦错误折算成单一错误率是危险的。两种控制流可以含有相当的符号分歧量，却因为一个动了音级功能而驱动出不同伴奏。评估若只报错误率，就像只报发烧度数却不分病因，无法指导改进。
当然这组诊断也不能推出三全音就是最强的根音变化。它只比较了相对根音与质量翻转两类，完整回放里占大头的其他根音尚未单独称重。要把机制图谱画全，还需要更细的关系分解，而这正是支撑坐标要接手的工作。
换一条识别器，校准方向还成立吗
跨路径复现要回答的是校准规则是否只是特定误差形状的偶然拟合。作者把同一批完整混音用第二条路径再解码 1 次，在 29 条可用轨道上重复比较。得到 CENS 与 CQT 增益分别为 0 点 8 与 0 点 3，且方向全部复现。
更关键的是双端点一致，轮廓匹配不仅在引入模板的变更目标上更接近回放。在不引入模板的变更块输出距离上也更接近，增益分别为 0 点 2 与 0 点 0。这排除了校准只是某种打分模板偏好的可能，说明输出响应本身被搬运到了回放附近。
下表把主结果、诊断与校准的关键数字收拢到一处，它要回答的是每个数字支持了哪一句结论。每行都注明比较对象、控制变量、双视图指标与边界限定，最后一列明确能支撑与不能支撑的范围。
| 比较条件与轨道规模 | 关键控制变量 | CENS 主指标报告值 | CQT/STFT 次指标报告值 | 支持含义与解释边界 |
|---|---|---|---|---|
| 中央对 CNN-CRF 回放 30 轨 | 冻结上下文种子窗，仅换和弦 | 目标差距 0.462，29/30 为正 | 原文中没有可逐字绑定的数值证据 | 支持局部放大，非时长所致，不代表部署风险 |
| 内部输出 30 轨无模板 | 同上，变更块距离 | 差距 0.146，28/30 为正 | 原文中没有可逐字绑定的数值证据 | 双端点同向，排除模板偏好 |
| 相对根音对质量翻转 18 轨 | 剂量 0.1059 对 0.1070，4 秒 | 全窗 2.88 倍，18/18 同向 | 原文中没有可逐字绑定的数值证据 | 支持功能决定强度，不支持三全音最强 |
| 精确掩码/构成复制 30 轨 | 复制支撑或复制构成 | 距离 0.482 降至 0.115/0.117 | CQT 降至 0.094/0.108 | 单坐标已大幅缩小差距 |
| 联合轮廓 30 轨 | 双坐标同时匹配 | 距离降至 0.098，30/30 增益为正 | CQT 降至 0.085，额外降 0.010 | 双坐标叠加最优，仍有残差 |
| DeepChroma 路径 29 轨 | 同混音第二前端 | 增益 0.408，同向复现 | 增益 0.353，双端点一致 | 跨前端稳定，未覆盖大模型路径 |
表中未胜出的一项值得细读，块占用对照在 CENS 内部输出上仍低于回放 0 点 7。这说明只修时间不够，必须补上关系构成，同样论文没有报告任何听感实验。所有端点都是色度族客观特征，因此这些数字支持的是特征层面的传播差异，还不能直接翻译成听众感知的编曲好坏。
把时间与关系逐一归位，谁在弥合差距
校准实验要回答的是中央探针与回放的鸿沟，到底是时间放错了还是关系配错了。十二轨块占用对照先只修时间，用固定五度搬移填满回放变化过的块。此时 STFT 目标效应与回放已无显著差异，而 CQT 与 CENS 仍有残差。
四构造拆解走得更远，精确掩码与构成复制的 CENS 回放距离分别降到 0 点 5 与 0 点 7。相对中央的 0 点 2 大幅下降，而两者联合取得最低均值 0 点 8。无论修时间还是修关系，都能在 28 到 29 条轨道上缩小距离。
此处需要看图，因为数字表只能给出均值，图才能展示每条轨道的移动方向。下面板四行分别对应中央、支撑、构成与联合轮廓，横轴是到回放的距离。圆点与方块代表两种色度视图，横线是轨道自助区间，请按焦点顺序观察。
看图路径： 1. 先看上面板左右两列散点的纵轴位置与连线斜率，确认相对根音一侧是否系统性更高；2. 再看下面板四行从上到下的横轴距离，比较中央行与支撑构成联合轮廓行的间隔；3. 注意圆点与方块两类符号是否同向移动，判断结论是否跨越色度特征视图成立；4. 观察误差横线的长度，体会轨道自助区间在多大程度上支持排序判断
论文图 2。原论文 Figure 2:：“Mechanism and calibration diagnostics.”。
上面板左侧质量翻转的纵轴位置普遍低于右侧相对根音变化，18 条细线全部上扬并标注十八分之十八更高与 2 点 8 倍。下面板中红色中央行远在右侧约 0 点 4 到 0 点 5 处，而绿色支撑行与紫色构成行整体左移到 0 点 1 附近。其中青色联合轮廓最低且区间最短，说明双坐标叠加后最接近回放，这种跨视图同向左移正是关键证据。
CNN-CRF × DeepChroma+CRF： CNN-CRF 指以卷积网络提取声学特征再用条件随机场平滑的识别路径，它负责提供主分析的完整回放条件。DeepChroma+CRF 指以深度色度为前端的另一条识别路径，它负责检验校准规律是否依赖特定声学前端。二者必须搭配，因为若只用一条路径，支撑与构成的解释可能只是该前端误差形状的偶然产物，组合后在两条路径上复现同向增益，才能说明评估规则在生成器条件接口处是稳定的。
单一检查点与色度尺子，结论的边界在哪里
论文没有设立独立的局限章节，但讨论中划出了一条清晰的红线。局部响应与回放距离应该并列报告，而不应合并成单一鲁棒性分数。这既是方法主张，也是对自身证据边界的提醒，一旦加权平均就会重新混淆机制与部署。
潜在的问题首先来自单一 MIDI-SAG 检查点。生成器架构或和弦编码器一换，支撑与构成的相对重要性可能移位。评估曲库经过高人声活跃度筛选，可能放大了条件敏感性，在稀疏段落上的差距或许会收窄。
其次是测量尺度的偏狭，三视图都属于色度家族。它们对和声进行敏感，却对节奏、音色与配器质感相对迟钝。缺少主观听感验证，意味着我们知道了输出在色度空间走远了，但还不知道听众是否觉得跑调。
最后是剂量不对等的提醒，回放分歧平均 10 点 3 秒而中央探针仅 4 秒。虽然作者用精确时长对照做了补救，直接比较原始数值时仍需谨慎。论文未发现数学推导错误，但把数值差距解读为部署风险时应当保留克制。
若要复现，需要冻结什么准备什么
复现这项研究的第一步是冻结渲染管线。同一段人声，同一个 47 点 5 4 秒上下文，同一个提示，同一个 12 秒打分窗。3 个种子固定为四十二、一百二十三与二零二七，任何一处松动都会让条件效应纠缠。
第二步是准备和弦条件的映射与质检。识别器分段保留原始边界，再映射到生成器的根音加质量词表。轮廓代理复制 0 点 5 秒块掩码与关系类别计数，但不复制具体标签。论文声明提供版本化清单与评估器，但核心权重与数据集并未随文发布。
统计复现要以轨道为单位，种子内平均后做 10000 次轨道级自助。用配对双侧检验并做家族校正，特征侧统一为 0 点 5 秒分块与归一化余弦。三视图缺一不可，否则无法验证跨视图的一致性，结果也难以对比。
缺失的部分也要如实记录，生成器的层数、隐藏维度、码本大小与解码温度均未说明。训练硬件与训练集构成同样缺席，这意味着第三方只能复现评估逻辑与相对排序。若要宣称可复现，应限定为协议级可复现，而非权重级可复现。
带走一句话，测机制用探针谈部署用回放
回到开篇的两难，这篇论文给出的答案并不复杂。让局部编辑去做它擅长的事，即检验某种和声关系是否重要。让完整回放去做它必须做的事，即锚定部署时的真实行为。
中央 4 秒三全音像探照灯，照出生成器对尖锐关系的惊跳。完整识别器序列像行车记录仪，记下系统每天真正驶过的路面。支撑记录何时被挑战，关系构成记录以何种音乐身份被挑战。
对刚入行的读者而言，最值得带走的不是某一个零点几的差距。而是一种评估习惯，先冻结一切再换一处，先分离机制再谈部署。当你下次看到某模型宣称对错和弦鲁棒时，不妨多问一句。测的是中央一击，还是整条回放，这句话的分量或许比分数本身更重。
📎 论文与评分元数据
标签：#音乐生成 | #生成模型 | #音乐理解
6.1/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 1/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5
✅ 6.1/10 | 前50% | 文档类型：方法研究 | 评分置信度：高 | #音乐生成 | #生成模型 | #音乐理解 | arxiv
⚖️ 评分依据与证据（展开查看）
逐维得分、全文证据与扣分边界
创新性 (1.2/2)：配对和弦条件传播协议冻结轨道种子上下文与 12 秒评分窗，仅切换和弦条件，使局部机制测试与部署回放直接可比，支撑与关系构成双坐标及轮廓匹配代理具有新颖性。
技术严谨性 (1.2/1.5)：明确定义变更目标效应 E_target 与校准增益 Delta_profile，0.5 秒分块加 L2 归一化余弦比较，轨道为单位做 10000 次自助与配对 Wilcoxon 检验并做 BH 校正，假设边界清晰。
实验充分性 (1.0/1.5)：30 条配对轨道 3 种子 6 对比 q 不大于 3.05e-5，18 条诊断与 12 轨对照及双识别器路径复现充分，但生成器检查点全程固定且未与外部歌声伴奏系统横向对比，无听感验证。
清晰度 (0.8/1)：数据流三路输入与成对输出结构交代完整，G(v,c;s) 与变更块集合 I 定义明确，三类条件与四种构造区分清楚，符号与表格方向标注一致可核对。
影响力 (0.8/1.5)：面向歌声伴奏生成的评估问题，提出局部编辑测机制与完整回放锚定部署条件的分离式协议，29 条轨道为正等证据具启发性，但限于单一管线与色度族客观指标而影响受限。
开源 (0.0/1.5)：论文未发布核心代码、模型权重或数据资源，也未给出明确的后续开源承诺。
可复现性 (0.3/0.5)：披露 47.554 秒上下文中 12 秒评分窗，0.5 秒分块，种子 42 123 和 2027 及轨道内平均推理流程，但生成器层数隐藏维度码本与解码温度等关键配置未说明。
工程/实践价值 (0.8/1.5)：给出版本化清单度量表评估器与绘图脚本加 30 轨配对结果与映射说明，形成可复用的冻结渲染评估流水线，但无真实延迟吞吐与资源测量。