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。

aubiojs - 基于aubio的JavaScript实时音频处理库
Githubaubiojs实时处理开源项目节奏检测音频处理音高检测
aubiojs是一个基于aubio的JavaScript实时音频处理库,主要提供实时音高检测和BPM计算功能。该库支持Web和Node.js环境,具有易用性和高性能特点。利用aubiojs可进行音频分析和处理,适用于音乐应用和声音识别等项目。通过emscripten编译,aubiojs实现了高效的跨平台兼容性。
SOME - 快速精准的歌声转MIDI工具 支持自定义模型训练
AI音乐GithubMIDI提取器SOME开源项目歌声转MIDI音乐技术
SOME是一个开源的歌声转MIDI序列工具,专为音乐制作和AI歌声合成设计。它具有处理速度快、资源需求低的特点,支持自定义训练。SOME能生成非整数MIDI值,适用于DiffSinger的方差标注。通过预训练模型,SOME可用于生成MIDI文件或处理DiffSinger数据集。该项目遵循MIT许可证,为相关领域提供了高效的解决方案。
PyPOTS - 部分观测时间序列机器学习的开源Python工具箱
GithubPyPOTS开源工具开源项目时间序列机器学习缺失值
PyPOTS是一个专注于部分观测时间序列(POTS)机器学习的Python工具箱。它集成了经典和前沿算法,支持数据插补、分类、聚类、预测和异常检测等任务。该工具箱提供统一API、详细文档和交互示例,简化POTS数据处理流程。PyPOTS支持多种神经网络模型,并具备超参数优化功能,为时间序列分析提供综合解决方案。
lp-music-caps - 音乐自动标注与描述生成技术
GPT-3.5GithubLP-MusicCaps开源项目跨模态编码器音乐标题生成音频到文本
LP-MusicCaps项目开发了一种音乐自动标注和描述生成的新方法。该方法首先利用GPT-3.5 Turbo将音乐标签转换为描述,然后训练跨模态模型实现音频到描述的直接生成。项目提供了开源预训练模型、数据集和演示,为音乐内容分析和检索领域提供了创新解决方案。
awesome-music - 开源音乐工具和资源精选
GithubMIDI工具乐谱制作开源项目音乐工具音乐编程音频编辑
Awesome Music是一个精心分类的音乐相关开源资源集合,涵盖音频编辑、音频库、MIDI工具、乐谱制作和音乐编程等领域。该项目汇集了音乐创作和理论学习的各类工具,为音乐爱好者、专业人士和开发者提供丰富资源。内容持续更新,欢迎贡献新的优质开源项目。
awesome-audio-plaza - 全球音频领域的最新研究成果和创新项目
Github开源项目自然语言处理语音合成语音识别音乐生成音频项目
Awesome Audio Plaza汇聚全球音频领域的最新研究成果和创新项目。涵盖自然语音合成、音乐创作、自动语音识别至声音转换等多个子领域,为研究人员、学者及爱好者提供了一个内容丰富的信息平台。该平台通过整合arxiv、Hugging Face日报、Twitter、GitHub等多种资源,确保用户能够访问到前沿科研和技术动态。
dataspeech - 简化语音数据集标注与处理的实用工具
Data-SpeechGithub开源项目数据标注语音AI语音数据集音频转换
Data-Speech是一套用于语音数据集标注的实用脚本工具。它提供简洁代码库,支持音频转换和注释,有助于语音AI模型开发。该工具能重现研究论文中的注释方法,使用自然语言描述标注说话者特征。Data-Speech可处理LibriTTS-R和MLS等数据集,并为Parler-TTS库提供支持。它提供从数据集注释、特征映射到自然语言描述生成的完整工作流程。
stt - 高效离线本地语音识别工具,基于fast-whisper模型,支持多种输出格式
CUDA加速Githubfast-whisper开源项目文本输出本地部署热门语音识别
这款语音识别工具可在本地离线运行,基于开源的fast-whisper模型,可将视频和音频中的人声快速转换为文字。支持输出json、srt及纯文本格式,无需联网,确保隐私安全,与openai语音识别接口准确率相当。用户可便捷下载预编译版本,或自行部署源码,支持多种操作系统。此外,还提供API接口,适合开发者使用。支持CUDA加速,优化处理速度。
mustango - 基于文本的智能音乐生成系统
GithubMusicBench数据集Mustango可控音乐生成多模态大语言模型开源项目文本生成音乐
Mustango是一个多模态大语言模型,专注于可控音乐生成。该模型结合潜在扩散模型、Flan-T5和音乐特征,能够将文本提示转化为高质量音乐。通过MusicBench数据集训练,Mustango在音乐匹配度、和弦匹配和节奏稳定性等方面表现出色。这一开源项目为音乐创作和研究提供了新的可能性。
pecos - 用于大规模输出空间的高效机器学习框架
GithubPECOS大规模输出空间开源项目快速推理机器学习框架极端多标签排序
PECOS是一个专注于解决大规模输出空间问题的机器学习框架。它主要应用于极端多标签排序和大规模检索等任务,能在数百万候选项中快速识别和排序相关输出。该框架集成了X-Linear、XR-Transformer等算法和HNSW近似最近邻搜索技术,支持实时推理和海量数据处理。PECOS的设计灵活,可适应多种应用场景,为大规模机器学习任务提供了高效解决方案。
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