Alles 项目使用教程
1. 项目介绍
Alles 是一个多扬声器分布式音乐合成器,使用 UDP 多播技术通过 WiFi 进行通信。每个合成器支持多达 64 个加法振荡器和 32 个滤波器,具有调制/LFO 和 ADSR 功能。Alles 的网络由自定义硬件扬声器或运行在计算机上的程序组成,它们自动形成一个网格并监听多播 WiFi 消息。你可以使用任何编程语言或环境(如 Max 或 Pd)从主机计算机控制网格。
Alles 最初设计为 Alles Machine / Atari AMY 加法合成器的分布式/空间版本,其中每个扬声器代表多达 64 个部分,可以作为一个组或单独控制。但你可以将它们视为数十个独立的合成器,并进行任何你想要的处理。
2. 项目快速启动
2.1 硬件设置
首次启动时,每个硬件扬声器将创建一个名为 alles-synth-X 的 WiFi 网络,其中 X 是合成器的 ID。连接到该网络(建议使用移动设备),并应重定向到 WiFi 设置页面。如果没有重定向,请在浏览器中访问 http://10.10.0.1。
告诉每个合成器你希望它加入的 WiFi SSID 和密码,它将重新启动。每个合成器只需执行一次此操作。
2.2 软件设置
如果你不想构建或购买 Alles 扬声器,可以在计算机上本地运行 Alles,数量不限。只要每个软件副本在同一网络中运行,它们将自动形成网格,就像硬件扬声器一样。硬件和软件扬声器可以互换使用。
要构建和运行 Alles 软件,请按照以下步骤操作:
git clone https://github.com/shorepine/alles.git
cd alles/main
make
./alles
./alles -h # 显示所有有用的命令行参数,如更改通道/声卡或源 IP 地址
2.3 控制网格
你可以从单个主机控制网格中的每个合成器,使用 UDP over WiFi。你可以通过一条消息寻址网格中的任何合成器或所有合成器,或使用组。此方法可用于音乐环境(如 Max 或 Pd),或使用 Python 等语言的音乐家或开发人员。
以下是一个简单的 Python 示例:
import alles
# 在所有合成器上播放鼓模式
alles.drums()
# 仅在一个合成器上播放鼓模式
alles.drums(client=2)
3. 应用案例和最佳实践
3.1 分布式音乐表演
Alles 可以用于创建分布式音乐表演,其中每个扬声器代表一个独立的音源。通过控制每个扬声器的参数,可以实现复杂的音乐效果。
3.2 空间音频体验
通过将 Alles 扬声器放置在不同的物理位置,可以创建沉浸式的空间音频体验。每个扬声器可以播放不同的音频信号,从而实现三维音效。
3.3 实时音乐生成
Alles 的网格结构允许实时生成和控制音乐。开发人员可以使用 Python 或其他编程语言编写脚本,实时调整合成器的参数,从而实现动态音乐生成。
4. 典型生态项目
4.1 AMY 加法合成器库
Alles 使用 AMY 加法合成器库作为其核心合成引擎。AMY 库支持多达 64 个振荡器,每个振荡器具有可调频率和振幅,支持脉冲、正弦、锯齿、三角波、噪声和 PCM 采样。
4.2 Max/MSP 和 Pure Data
Alles 可以与 Max/MSP 和 Pure Data 等音乐编程环境集成。通过这些环境,音乐家和开发人员可以更直观地控制 Alles 网格,实现复杂的音乐创作。
4.3 Python 客户端
Alles 提供了一个功能齐全的 Python 客户端,允许开发人员通过 Python 脚本控制网格。该客户端不仅作为文档,还作为 API 和测试套件,方便开发人员快速上手。
通过这些生态项目,Alles 可以与各种音乐创作工具和环境无缝集成,提供强大的音乐合成和控制能力。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00