Paper page - DEMON: 扩散引擎实现音乐化编排噪声

来源：https://huggingface.co/papers/2605.28657

摘要

DEMON 通过专门的调度、共享状态管理和优化的解码技术，实现了作为乐器使用的实时扩散模型控制。

我们提出 DEMON，一个实时扩散引擎（https://huggingface.co/papers?q=diffusion%20engine），它使去噪过程（https://huggingface.co/papers?q=denoising%20process）能够像现场乐器一样可演奏：既宽阔（每帧输出中可调节众多参数）又响应迅速（每个控制项按其去噪循环（https://huggingface.co/papers?q=denoising%20loop）中的位置尽快生效）。它基于 ACE-Step 1.5（https://huggingface.co/papers?q=ACE-Step%201.5）和 StreamDiffusion（https://huggingface.co/papers?q=StreamDiffusion）的环形缓冲架构（https://huggingface.co/papers?q=ring-buffer%20architecture），并借助 TensorRT 加速（https://huggingface.co/papers?q=TensorRT%20acceleration），在单块消费级 GPU（RTX 5090）上可实现每秒最多 12.3 个解码器完成，用于 60 秒音乐；生产环形深度为 4 时，每秒生成 11.3 个。在此速率下，去噪参数（https://huggingface.co/papers?q=denoising%20parameters）可作为实况演奏控制项使用，但环形缓冲仅在泄放速率（即 S 个去噪步骤的下限）下传播每次请求的变化。我们贡献了四种机制。（1）每槽异构去噪调度（https://huggingface.co/papers?q=heterogeneous%20denoise%20scheduling）：每个环形缓冲槽拥有自己的时间步调度，因此移动的去噪滑块得以跟踪，而无需清除飞行队列——传统全局调度设计则必须重建并丢弃该队列。（2）共享可变每步状态（https://huggingface.co/papers?q=Shared%20mutable%20per-step%20state）：使每个求解步骤中咨询的任何参数在下一时刻生效，绕过环形缓冲泄放。（3）每帧源混合（https://huggingface.co/papers?q=Per-frame%20source%20blending）：对标准 SDE 重噪步骤进行采样时间控制，提供帧级变换强度轴，补充标量去噪调度。（4）窗口化 VAE 解码（https://huggingface.co/papers?q=VAE%20decode）：利用感受野分析（https://huggingface.co/papers?q=receptive-field%20analysis）实现 8.0 倍解码加速。这些机制共同将流式扩散参数按起效和收敛延迟分为四个传播类别。

查看 arXiv 页面（https://arxiv.org/abs/2605.28657）查看 PDF（https://arxiv.org/pdf/2605.28657）项目页面（https://daydreamlive.github.io/DEMON/）GitHub（https://github.com/daydreamlive/DEMON）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.28657）

在你的代理中获取此论文：

hf papers read 2605.28657

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本论文的模型 1

daydreamlive/DEMON 音频到音频 • 更新于约 4 小时前（https://huggingface.co/daydreamlive/DEMON）

引用本论文的数据集 0

无数据集链接本论文

请在数据集的 README.md 中引用 arxiv.org/abs/2605.28657，以便在此页面上建立链接。

引用本论文的 Space 0

无 Space 链接本论文

请在 Space 的 README.md 中引用 arxiv.org/abs/2605.28657，以便在此页面上建立链接。

包含本论文的收藏 1