NeuralNote 开源项目教程
2024-09-13 22:31:35作者:乔或婵
项目介绍
NeuralNote 是一个音频插件,旨在将音频转换为 MIDI 数据。它利用深度学习技术,将最先进的音频到 MIDI 转换功能引入到你最喜欢的数字音频工作站(DAW)中。NeuralNote 支持多种音调乐器(包括人声),支持复音转录,能够检测音高弯曲,并且具有轻量级和快速的转录能力。此外,它还允许在转录过程中调整参数,并直接在插件中对转录的 MIDI 进行缩放和时间量化。
项目快速启动
安装
- 访问 NeuralNote GitHub 仓库。
- 下载适用于你平台的最新版本(支持 Windows 和 macOS)。
- 将下载的插件文件(VST3/AU/Standalone)复制到相应的目录中。
使用
以下是一个简单的使用示例,展示如何在 DAW 中使用 NeuralNote 进行音频到 MIDI 的转换。
# 克隆项目仓库
git clone --recurse-submodules --shallow-submodules https://github.com/DamRsn/NeuralNote
# 进入项目目录
cd NeuralNote
# 执行构建脚本
./build.sh # 对于 macOS
build.bat # 对于 Windows
在 DAW 中使用
- 打开你的 DAW,加载 NeuralNote 插件。
- 导入你想要转换的音频文件。
- 点击“录制”按钮,开始转录过程。
- 转录完成后,可以在插件界面中查看和调整 MIDI 数据。
应用案例和最佳实践
应用案例
- 音乐制作:在音乐制作过程中,NeuralNote 可以帮助快速将音频素材转换为 MIDI 数据,从而方便进行进一步的编辑和处理。
- 现场表演:在现场表演中,NeuralNote 可以实时将现场演奏的音频转换为 MIDI,实现即时的音乐创作和表演。
最佳实践
- 参数调整:在转录过程中,根据音频的特性调整参数,以获得最佳的 MIDI 转录效果。
- 时间量化:使用插件内置的时间量化功能,确保 MIDI 数据与音乐节奏完美匹配。
典型生态项目
- Spotify's basic-pitch:NeuralNote 内部使用了 Spotify 的 basic-pitch 模型,这是一个用于音频分析和 MIDI 转换的开源项目。
- JUCE Framework:NeuralNote 基于 JUCE 框架开发,JUCE 是一个广泛使用的 C++ 库,用于开发音频应用程序和插件。
- ONNXRuntime:NeuralNote 使用 ONNXRuntime 进行深度学习模型的推理,这是一个高性能的推理引擎,支持多种硬件加速。
通过以上步骤和案例,你可以快速上手并充分利用 NeuralNote 的功能,实现高效的音频到 MIDI 转换。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217