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。

musegan - 多轨乐器生成与伴奏的AI工具
GANGithubMuseGAN多轨道音乐开源项目深度学习音乐生成
MuseGAN项目致力于生成多轨乐器的复音音乐。通过使用Lakh Pianoroll Dataset进行训练,该模型可以从零开始生成音乐或为用户提供的轨道进行伴奏。最新版本使用3D卷积层处理时间结构,尽管网络规模较小,但可控性有所下降。项目支持PyTorch版本,并提供多个shell脚本用于实验管理和数据收集。生成样本存储为.npy、.png和.npz格式,可转换为MIDI文件进一步使用。
pop2piano - Transformer模型将流行乐音频转化为钢琴翻版
AI绘图GithubHuggingfacePop2Piano变压器模型开源项目模型钢琴伴奏生成音频波形
Pop2Piano借助Transformer网络,直接从流行音乐音频波形生成钢琴改编。该方法省略传统的旋律和和弦提取步骤,通过基于T5的编码器-解码器架构,采用高效的音频处理和自动回归方法生成MIDI文件。不仅适合处理韩流音乐,同样适用于西方流行乐与嘻哈音乐。
MVSEP-MDX23-Colab_v2 - 多模型集成的音乐分离工具 支持灵活配置和批量处理
AI模型ColabGithubMVSep-MDX23开源项目音乐分离音频处理
MVSEP-MDX23-Colab_v2是一个开源的音乐分离工具,集成了多种先进模型,如MelBand-Roformer、BS-Roformer和MDX-InstHQ4。支持单文件和文件夹批量处理,提供FLAC和16位输出等选项。采用BigShifts算法和改进的分块处理提高了分离质量和效率。工具适合需要高质量音轨分离的音频处理人员使用。
seek-tune - 基于Shazam算法的开源音乐识别与下载系统
API集成GithubSeekTune开源项目音乐识别音频指纹
SeekTune是一个开源的音乐识别系统,基于Shazam算法实现。该项目集成Spotify和YouTube API,支持歌曲识别、搜索和下载。SeekTune兼容多种音频格式,提供命令行和Web界面,便于用户操作。使用Go语言开发,具备高性能和可扩展性。项目旨在为音乐爱好者提供便捷的音乐识别和获取工具。
Amphion - Amphion开源工具集,支持音频、音乐、语音生成及多任务评估
AmphionGithub声码器开源项目文本到语音语音生成音乐生成
Amphion是一个开源的音频、音乐和语音生成工具集,旨在支持可重复的研究并帮助研究人员和工程师入门。提供TTS、SVS、VC、SVC、TTA等生成任务,集成高级语音编码器和评估指标,如F0建模、能量建模、语音相似度测评。功能包括模型可视化、数据集建设及文本到音频/音乐的实现,推动音频生成技术应用。
awesome-deep-learning-music - 深度学习技术在音乐领域的应用及研究进展
AI音乐Deep Learning for MusicGithub开源项目神经网络科学研究音乐信息检索
本项目收录了使用深度学习技术应用于音乐的科学文章、论文和报告,包括音乐生成、语音分离、演讲者识别等任务。项目旨在为音乐信息检索提供资源,含有文章概要、详细信息和代码链接。项目持续更新,欢迎贡献新资源。项目由Yann Bayle基于博士论文的前沿技术评审发起。
huggingsound - 基于HuggingFace的语音处理开源工具库
GithubHuggingFaceHuggingSound开源项目模型训练自然语言处理语音识别
HuggingSound是基于HuggingFace工具开发的语音处理工具库。该项目为语音识别、模型微调和评估提供了简洁的接口。适用于Python 3.8+环境,支持pip安装。HuggingSound能够利用预训练CTC模型进行推理,并通过语言模型增强识别准确度。此外,它还包含模型评估和微调功能,便于研究人员根据特定数据集优化模型表现。
ChatTTS_Speaker - AI语音合成稳定性评估与特征标记工具
ChatTTSGithub声纹识别开源项目稳定性评估音色打标音色评分
ChatTTS_Speaker项目基于ChatTTS开发,专注于AI合成语音的稳定性评估和特征标记。项目利用ERes2NetV2模型对2600个音色进行评分,评估包括长句、多句和单句的稳定性,以及音色的性别、年龄和特征识别。提供音色下载功能和详细的评分参数解释,为AI语音合成研究和应用提供有价值的参考数据。
PortaSpeech - 便携且高质量的PyTorch文本到语音生成工具
GithubPortaSpeechPyTorch实现开源项目文本转语音模型大小音频样本
基于PyTorch的PortaSpeech项目,提供一种高质量且便携的文本到语音转换实现方案。这个项目支持单声道和多声道TTS,包含快速启动指南、多种样本、预训练模型,适合研究和实际开发。它还为数据预处理和模型训练提供详细指南,帮助用户轻松使用并优化其TTS系统。
Stage-Whisper - 跨平台免费开源音频转录工具
GithubStage-WhisperWhisper应用程序开源开源项目音频转录
Stage Whisper是一款免费开源的音频转录应用,基于OpenAI的Whisper模型,提供精确的音频文件转录。它拥有直观的图形界面,用户可以轻松存储和编辑转录内容。该项目旨在让非技术用户也能方便地使用Whisper的强大功能。适用于MacOS、Windows和Linux多平台,目前正进行重大改进,测试版即将发布。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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