WaoN 的项目扩展与二次开发
2025-05-25 11:31:21作者:沈韬淼Beryl
项目的基础介绍
WaoN 是一个开源的 Wave-to-Notes 转换器项目,它可以将音频波形转换为 MIDI 文件,即实现音频转音符的功能。项目由 Kengo Ichiki 开发,并且使用 GPLv-2.0 许可协议进行发布,这意味着用户可以自由地使用、修改和分发这个软件。
项目的核心功能
WaoN 的核心功能包括:
- 音频转音符:将 WAV 音频文件转换为 MIDI 文件,识别和提取音频中的音符。
- 时间伸缩和音高变化:通过内置的相位声码器(phase vocoder),可以实现音频的时间伸缩和音高变化。
- 图形用户界面:gwaon 提供了图形用户界面,方便用户进行音频处理和音符识别。
项目使用了哪些框架或库?
根据项目页面信息,WaoN 没有使用任何特定的框架或库。项目的主要开发语言为 C 语言,并且依赖于一些系统级别的库,如 FFTW,用于快速傅立叶变换(FFT)。
项目的代码目录及介绍
项目的代码目录结构如下:
src/:源代码目录,包含所有程序的源代码文件。include/:头文件目录,包含项目中使用的所有头文件。doc/:文档目录,包含项目的说明文档和许可证信息。data/:数据目录,包含项目运行时所需的数据文件。
对项目进行扩展或者二次开发的方向
- 改善音符识别算法:通过改进音频处理和音符识别算法,可以提升转换结果的准确性和质量。
- 增加支持更多音频格式:目前 WaoN 只支持 WAV 格式,可以扩展支持更多音频格式,如 MP3、FLAC 等。
- 开发移动端应用:可以基于 WaoN 开发移动端应用,让用户可以在手机或平板电脑上进行音频转音符操作。
- 集成更多音乐编辑功能:可以将 WaoN 集成到音乐编辑软件中,方便音乐制作人进行音频处理和编辑。
以上就是对 WaoN 项目扩展与二次开发的推荐内容。希望对感兴趣的开发者有所帮助。
登录后查看全文
热门项目推荐
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
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137