安装realtek hd audio driver失败_猎人能饭否？——荣耀猎人本的DL体验&piano_transcription_inference安装...

荣耀猎人V700用了英伟达的GTX 2060战术核显卡，显然是可以用来跑深度学习或者玩具框架的。有时候我需要一个“能跑网络就行”的东西，因为毕竟有些情况下并不需要性能或者说准确性太高，比如拿YOLO帮朋友跑交通流的视频——反正跑出来就行了。

为此我专门去问了 @到处挖坑蒋玉成 蒋老板，“有没有什么可以通用的反映深度学习性能的模型”，然后得到的回复是“没有”。

既然这样，那我就按兴趣，用字节跳动最近发布的“钢琴扒带”工具来测试效果了。项目Git如下：

https://github.com/bytedance/piano_transcription​github.com

---

配置我直接用的cuda 11.1+对应的PyTorch。

cuda可以直接官网exe：

CUDA 工具包 11.1 下载​developer.nvidia.com

PyTorch去官网可以找到对应的安装命令：

pip install torch===1.7.0+cu110 torchvision===0.8.1+cu110 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

字节跳动钢琴扒带的命令：

pip install piano_transcription_inference

漫长的安装好了，还差一步——字节跳动的包不含权重，权重的话貌似需要自己下载，虽然包里有自动下载的命令，但是我这边执行总是失败：

        if not os.path.exists(checkpoint_path) or os.path.getsize(checkpoint_path) < 1.6e8:
            create_folder(os.path.dirname(checkpoint_path))
            print('Total size: ~165 MB')
            zenodo_path = 'https://zenodo.org/record/4034264/files/CRNN_note_F1%3D0.9677_pedal_F1%3D0.9186.pth?download=1'
            os.system('wget -O "{}" "{}"'.format(checkpoint_path, zenodo_path))

所以直接把那个网址拿来下载权重：

https://zenodo.org/record/4034264/files/CRNN_note_F1%3D0.9677_pedal_F1%3D0.9186.pth?download=1

下载完了可以改个名字，我就叫“note.pth”了。

官网给的脚本坑在checkpoint_path，这个我是自己下载然后挂在项目根目录的，不然没有权重跑个卵。

from piano_transcription_inference import PianoTranscription, sample_rate, load_audio
import os


def mp32mid(fp):
    # Load audio
    (audio, _) = load_audio(fp, sr=sample_rate, mono=True)
    print('loaded')
    # Transcriptor
    transcriptor = PianoTranscription(device='cuda', checkpoint_path='note.pth')  # 'cuda' | 'cpu'
    fname=fp.split('')[-1]
    print(fname+' is processing...')
    # Transcribe and write out to MIDI file
    transcribed_dict = transcriptor.transcribe(audio, fname + '.mid')


def file_name(file_dir):
    l = []
    for root, dirs, files in os.walk(file_dir):
        for file in files:
            if os.path.splitext(file)[1] == '.mp3':  # 想要保存的文件格式
                l.append(os.path.join(root, file))
    return l

print('start')
for l in file_name('D:CloudMusic'):
    print(l)
    mp32mid(l)
pass

---

跑出来的结果是喜出望外的，对于钢琴音色准确率极高，但节奏是错的。

这时候可以使用logic pro自带的“智能速度”去修正这个midi的节拍、速度等信息。

松本文纪的曲子一般喜欢加很大的混响，所以识别会把一些ECHO当成是钢琴音符识别。

但是这首ReSound Wave的鸟之诗改编版就识别的很好。我把一个视频翻录了一下，配上bgm。

【Lia——鳥の詩 (鸟之诗)】夏之AIR，千年守护郁郁葱葱_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com

知乎视频​www.zhihu.com

原曲地址：

Feather in Dreams​music.163.com

显然力度动态不如原曲，不过这个不大影响制谱。应该听得出原曲和mp3->mid->mp3后的差距，还是挺明显的。

转码的速度也还行，大概两分钟一首，还算比较快。

翻录的过程中发现Mate40Pro的录像能力真的有大幅度提升，放Mate30Pro早过曝了……后面再详细对比吧。

喜欢的朋友可以尝试一下~

猎人可以用来作为生产力工具，存乎一心。

感谢字节跳动开源了如此好的转码工具。