Polymath：音乐创作的新革命

Polymath：音乐创作的新革命

polymathConvert any music library into a music production sample-library with ML项目地址:https://gitcode.com/gh_mirrors/po/polymath

Polymath是一个创新的开源项目，它运用机器学习技术将任何音乐库（无论是硬盘上的还是YouTube上的）转化为一个音乐制作样本库。该项目通过自动分离歌曲的各个音轨（如节奏、低音等）、量化到相同的节奏和节拍网格、分析音乐结构和键值等信息，以及将音频转换为MIDI，构建了一个可搜索的样本库，极大地优化了音乐制作人、DJ和机器学习音频开发者的日常工作流程。

应用场景

1. 音乐创作：你可以轻松地从不同歌曲中提取元素，创造出独特的全新作品。只需挑选Funkadelic的节奏、Tito Puente的贝斯线和Fela Kuti的号角声，就能快速整合进你的数字音频工作站。
2. DJ混音：利用Polymath的搜索功能，可以迅速找到相关的曲目，创建出一个无缝融合的一小时DJ混音集。
3. 机器学习数据准备：对于ML开发者，Polymath简化了创建大型音乐数据集的过程，便于训练生成模型等任务。

技术实现

Polymath的核心技术包括：

• 使用Demucs进行音乐源分离。
• 通过sf_segmenter进行音乐结构分割和标注。
• 利用Crepe神经网络进行音高跟踪和键值检测。
• 音乐转MIDI由Basic Pitch完成。
• 音乐量化与对齐则依赖于pyrubberband。
• 音乐信息检索和处理则由librosa提供支持。

社区参与

加入Polymath社区，在Discord与全球创作者交流心得！

系统需求与安装

请确保您已安装ffmpeg。之后，使用Python 3.7至3.10版本运行以下命令进行安装：

git clone https://github.com/samim23/polymath
cd polymath
pip install -r requirements.txt

如果遇到basic-pitch问题，请在安装后执行以下命令：

pip install git+https://github.com/spotify/basic-pitch.git

对于GPU支持和Docker部署的详细步骤，请参考项目文档。

运行Polymath

通过简单的命令，您可以添加歌曲到库、量化歌曲、搜索相似歌曲以及将音频转换为MIDI。具体操作请参阅项目README文件中的详细指南。

特点

• 高效自动化：一键式操作，自动分离、量化、分析并转换音乐。
• 智能搜索：根据多种音乐特征快速查找相似歌曲。
• 自定义设置：可调整多项参数以适应不同的音频处理需求。
• 广泛兼容性：支持本地运行与Docker容器部署，适用于各种环境。
• 开放源代码：基于MIT许可证，鼓励社区参与和改进。

Polymath不仅是一个工具，更是一种全新的音乐创作方式。现在就加入，释放您的创作潜能！

polymathConvert any music library into a music production sample-library with ML项目地址:https://gitcode.com/gh_mirrors/po/polymath