解耦 7.1.4 音乐中的创作性空间：大规模语料库与神经空间滤波编解码器

基于摘要分析。本文研究音乐混音中由创作决策形成的空间，而非具有物理对应物的空间，贡献包括大规模 7.1.4 音乐语料库、将空间与内容分开编码的 neural spatial filtering codec（NSFC），以及检验这种分离的下游任务。 语料构建方面，作者使用在人类制作母带上训练的上混模型，将 Creative Commons 授权的立体声音乐转换为 7.1.4 音乐，得到 125,557 首、共 8,392 小时的语料。这些数据是模型生成的多声道音乐，不应等同于同等规模的人类制作多声道母带。作者报告，在与商业上混器的比较中，该模型在全部五项客观指标上更接近人类母带，听众评分则介于人类母带与商业上混结果之间；摘要未列出指标名称、评分细节或统计不确定性。 NSFC 将空间表示为从单声道参考到十二个声道的滤波作用：参考内容交由预训练单声道编解码器处理，空间信息以标称 6 kbps 传输，总码率为 13.75 kbps，并可选用 flow-matching 后滤波器。摘要未提供空间编码结构、训练损失和后滤波器的具体实现。 由于缺乏可直接核验空间—内容分离的真值，作者构建固定参考、仅改变空间编码的下游任务，以行为变化检验表示。作者报告，在该语料域内，编码流承载了超出静态逐声道增益的空间结构，可跨音乐内容迁移，且替换编码能使混音沿预期方向变化。这些结果支持语料域内的操作性分离，但不等于已建立唯一的空间真值或跨域泛化能力。 全文尚未取得，数据划分、训练与测试音乐的独立性、消融、听测协议及统计信息尚未验证。研究对象是多声道音乐，而非神经信号；摘要未建立其与 EEG 瓶颈的具体对应关系，因此不据此提出 BCI 迁移结论。