Project Icon

pesto

基于机器学习的高效音高估计开源工具

PESTO是一个开源的音高估计工具,基于机器学习技术开发。该项目获得ISMIR 2023最佳论文奖,具有出色的性能和快速的处理速度。PESTO支持多种音频格式,提供命令行和Python API接口,便于集成使用。与CREPE相比,PESTO的模型参数更少,但在主要数据集上表现相当。适用于需要高效音高估计的音频处理应用。

discogs-maest-30s-pw-129e - 基于Transformer架构的音乐音频分析模型
GithubHuggingfaceMAESTPASST开源项目模型音乐分析音乐风格分类音频分类
本项目使用基于Transformer架构的MAEST模型进行音乐分析,利用来自Discogs的公开元数据进行多达400种音乐风格的分类。该模型在音频分类、情感识别等方面表现突出,尤其在中间层的特征提取中效果显著。适用于音频分类任务的用户,非一般音频分类使用。在Essentia和Transformers库的支持下,用户可以实现高效模型推断和下游任务性能提升。
asteroid - PyTorch基础的音频源分离工具包,支持多种数据集和架构
AsteroidGithubPyTorch开源项目数据集支持社区项目音频源分离工具
Asteroid是一个由PyTorch驱动的音频源分离工具包,面向研究人员,便于在常用数据集上快速进行实验。它提供了支持多种数据集和架构的源代码,并包含复现重要科研论文的方案。Asteroid还支持社区贡献,用户可以通过提交问题或拉取请求参与项目。内置的TensorBoard可视化工具和详尽的教程帮助用户更好地使用该工具包。
audioFlux - 多维音频与音乐分析特征提取库,支持深度学习
GithubMIRaudioFlux开源项目深度学习特征提取音频分析
audioFlux是一个开源工具库,专注于音频和音乐的分析及特征提取。支持多种时间频率变换方法和多种特征组合,适用于分类、分离、音乐信息检索(MIR)和自动语音识别(ASR)等任务。该库跨平台且核心由高性能C语言实现,支持FFT硬件加速,适合大规模数据处理。最新版本引入了多种音高算法及音高移位和时间伸缩算法。
audio-preprocess - 开源音频处理工具集
Fish Audio PreprocessorGithubPython工具开源项目音频处理音频预处理
Fish Audio Preprocessor是一个开源音频处理工具集,提供视频/音频转wav、人声分离、自动切片和音量匹配等功能。它支持音频数据统计、重采样和转录,未来计划集成WhisperX技术。该项目在Ubuntu系统上测试通过,可通过pip安装,并提供命令行界面。适用于需要批量处理音频的开发者和研究人员。
spleeter - 音乐源分离工具
DeezerGithubPythonSpleeterTensorflow开源项目音频分离
Spleeter是Deezer开发的音乐源分离库,提供预训练模型,支持多种分离模式。适用于个人和专业音频处理,包括2声部、4声部及5声部模型。通过命令行或作为Python库使用,支持快速安装。此外,Spleeter还可通过Docker使用,兼容多种操作系统,为处理音频文件提供多种高效方案。
soundstorm-pytorch - 基于PyTorch的高效并行音频生成模型
GithubPytorchSoundStorm人工智能开源项目深度学习音频生成
SoundStorm是Google DeepMind开发的高效并行音频生成模型,本项目提供其PyTorch实现。该模型将MaskGiT技术应用于Soundstream的残差向量量化编码,采用Conformer架构。项目包含完整的训练和生成代码,支持原始音频处理和文本到语音转换。此实现整合了多个相关模型,旨在促进前沿语音合成技术的应用与研究。
lhotse - Python语音数据处理库 支持灵活高效操作
GithubLhotsePyTorch开源项目数据准备语音处理音频处理
Lhotse是一个开源Python库,为语音和音频数据处理提供灵活易用的解决方案。它具备标准数据准备流程、PyTorch数据集接口、高效I/O处理和存储优化等功能。Lhotse创新性地引入音频切片概念,实现混音、截断和填充等操作,并支持预计算和实时特征提取。作为新一代Kaldi语音处理库的组成部分,Lhotse与k2库协同工作,为语音处理任务提供全面支持。
stable-audio-open-1.0 - 开源文本转音频模型支持44.1kHz立体声和最长47秒音频生成
GithubHuggingfaceStable Audio Open 1.0人工智能开源项目机器学习模型音乐创作音频生成
Stable Audio Open 1.0是Stability AI推出的开源音频生成模型,通过自编码器、T5文本嵌入和DiT扩散模型架构,将文本转换为最长47秒的44.1kHz立体声音频。模型基于48万条音频数据训练,在音效和环境音生成方面表现突出,支持stable-audio-tools和diffusers两种调用方式。现阶段仅支持英文提示词输入,不具备人声生成能力。
resemble-enhance - 语音增强工具提升音质消除噪音
AI工具GithubResemble Enhance开源项目语音增强降噪音频处理
Resemble Enhance是一款开源的AI语音增强工具,通过去噪和增强提高语音质量。它包含去噪器和增强器两个模块,使用44.1kHz高质量语音数据训练。该工具支持命令行操作和Web演示,可轻松安装使用。此外,还提供了训练自定义模型的功能,适用于有特定需求的用户。
audio-development-tools - 综合音频开发工具集 从机器学习到声音合成
Github开源项目机器学习深度学习音乐生成音频处理音频开发工具
Audio Development Tools提供了涵盖机器学习、音频生成、信号处理、声音合成等多个领域的综合性音频开发工具集。该项目汇集了丰富的资源和工具,可用于游戏音频、数字音频工作站、空间音频、音乐信息检索、语音识别等多种音频相关项目的开发和研究。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号