Newest papers

Piano2Pop: Expanding Piano Demos into Pop Productions Without Aligned Supervision

Yun-Chen Cheng, Chih-Pin Tan, Tianda Huang, Yi-Hsuan Yang · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.31510 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Chúng tôi giới thiệu Piano2Pop, một nhiệm vụ mở rộng âm nhạc chuyển đổi piano MIDI thành các sản phẩm nhạc cụ pop. Được hỗ trợ bởi những tiến bộ gần đây trong sản xuất âm nhạc và dịch âm nhạc đa âm, cách tiếp cận được giám sát giả của chúng tôi điều kiện một mô hình kết hợp dòng chảy được đào tạo trước trên các cuộn piano mà không có sự giám sát piano-pop phù hợp. Chúng tôi đào tạo trên các cặp piano-instrumental tổng hợp có nguồn gốc từ các bản ghi pop, so sánh chuyển đổi không có cặp, bao gồm tăng chức năng chọn lọc (FST) và mật độ đăng ký (RDA), với một máy phát điện bao phủ piano được giám sát bởi cặp như các nguồn giả. Trên 476 thử nghiệm cặp piano-cover/pop thế giới thực, cách tiếp cận được giám sát bởi cặp đạt được khoảng cách âm thanh tốt nhất,

Machine translation (Meta M2M100); the English original follows.

Abstract

We introduce Piano2Pop, a music-expansion task that transforms piano MIDI into instrumental pop productions. Enabled by recent advances in music generation and polyphonic music transcription, our pseudo-supervised approach conditions a pretrained flow-matching model on piano rolls without aligned piano-pop supervision. We train on synthetic piano-instrumental pairs derived from pop recordings, comparing pair-free transcription, including function-selective (FST) and register-density (RDA) augmentations, with a pair-supervised piano-cover generator as pseudo-demo sources. On 476 testing real-world piano-cover/pop pairs, the pair-supervised approach achieves the best Frechet Audio Distance, Accompaniment Prompt Adherence, and spectral shape on real-piano inputs, while FST mitigates piano-heavy outputs in pair-free training and remains a promising alternative. All fine-tuned systems significantly outperform the zero-shot baselines, which suggests a role for task-specific modeling.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Piano, MIDI, Polyphony, Speech recognition, Generator (circuit theory), Computer science

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange