MidiBus 项目技术文档
2024-12-20 01:15:33作者:余洋婵Anita
1. 安装指南
通过 Processing Library Manager 安装
- 打开 Processing 软件。
- 进入菜单栏,选择
工具->添加工具。 - 在弹出的窗口中,选择
库标签。 - 搜索
MidiBus,找到后点击安装按钮。 - Processing 会自动下载并安装最新版本的 MidiBus 库。
手动安装
- 下载最新版本的 MidiBus 库压缩包,地址为
themidibus-latest.zip。 - 解压下载的压缩包。
- 将解压后的文件夹复制到 Processing 的库目录中,通常位于
Documents/Processing/libraries。 - 重启 Processing 软件,MidiBus 库即可使用。
2. 项目的使用说明
快速开始
MidiBus 是一个为 Processing 设计的 MIDI 库,主要用于实时 MIDI 应用。它专注于 MIDI 输入输出,并尽量减少不必要的功能。目前,MidiBus 不包含内置的音序器、文件读写、MIDI 录制/回放等功能。
示例代码
MidiBus 提供了一些示例代码,帮助用户快速上手。最简单的示例是 Basic.pde,用户可以从这个示例开始学习如何使用 MidiBus。
JavaDocs
MidiBus 的 JavaDocs 提供了所有功能的详细说明,用户可以通过在线文档或本地库中的 reference 目录查看。
3. 项目API使用文档
主要类和方法
MidiBus:主要类,用于管理 MIDI 输入和输出设备。sendNoteOn(int channel, int pitch, int velocity):发送 MIDI Note On 消息。sendNoteOff(int channel, int pitch, int velocity):发送 MIDI Note Off 消息。sendControlChange(int channel, int number, int value):发送 MIDI Control Change 消息。sendPitchBend(int channel, int value):发送 MIDI Pitch Bend 消息。
高级功能
- 支持多输入/输出设备的管理。
- 支持发送和接收不常见的 MIDI 消息。
4. 项目安装方式
通过 Processing Library Manager 安装
如前所述,通过 Processing 的库管理器可以方便地安装 MidiBus。
手动安装
手动安装需要下载并解压库文件,然后将其放置在 Processing 的库目录中。
注意事项
- 在 macOS 上,Apple 的 MIDI 子系统存在一些问题,特别是对于状态字节
>= 0xF0的 MIDI 消息(如 SysEx 消息)。可以使用MMJ作为替代的 MIDI 子系统。 - 使用 MMJ 时,需要下载
mmj.jar和libmmj.jnilib,并将它们添加到 MidiBus 的library子目录中。同时,需要禁用时间戳,通过调用mybus.sendTimestamp(false)来实现。
通过以上步骤,用户可以顺利安装并使用 MidiBus 库,进行 MIDI 数据的输入输出操作。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221