SOME
SOME：面向歌唱的MIDI提取器。
警告
本项目目前处于测试版阶段。不保证向后兼容性。
概述
SOME是一个可以将歌声转换为MIDI序列的MIDI提取器，具有以下优势：
- 速度：在i5 12400 CPU上比实时快9倍，在3080Ti GPU上快300倍。
- 低资源依赖：SOME可以在自定义数据集上训练，仅需3小时的训练数据即可获得良好效果。
- 功能：SOME可以生成非整数MIDI值，特别适合DiffSinger的变化标注。
入门指南
安装
SOME需要Python 3.8或更高版本。我们强烈建议您在安装依赖项之前通过Conda或venv创建虚拟环境。
-
根据您的操作系统和硬件，按照官方说明安装PyTorch 2.1或更高版本。
-
通过以下命令安装其他依赖项：
pip install -r requirements.txt -
（可选）为获得更好的音高提取结果，请从此处下载RMVPE预训练模型并解压到
pretrained/目录。
使用预训练模型进行推理（MIDI文件）
从releases下载SOME的预训练模型并解压到某个位置。
要使用命令行界面进行推理，运行以下命令：
python infer.py --model CKPT_PATH --wav WAV_PATH
这将加载CKPT_PATH处的模型，从WAV_PATH处的音频文件提取MIDI并保存为MIDI文件。要了解更多有用选项，请运行：
python infer.py --help
要使用Web界面进行推理，运行以下命令：
python webui.py --work_dir WORK_DIR
然后您可以通过浏览器打开gradio界面，并按照网页上的说明使用WORK_DIR下的模型。要了 解更多有用选项，请运行：
python webui.py --help
使用预训练模型进行推理（DiffSinger数据集）
从releases下载SOME的预训练模型并解压到某个位置。
要在现有的DiffSinger数据集上使用SOME，您应该有一个包含name、ph_seq、ph_dur和ph_num的transcriptions.csv文件。运行以下命令：
python batch_infer.py --model CKPT_PATH --dataset RAW_DATA_DIR --overwrite
这将使用模型从数据集中的录音获取所有MIDI序列（带浮点音高值），并将添加或替换的note_seq和note_dur覆盖其transcriptions.csv。请谨慎操作，必要时备份您的文件。
要了解更多有用选项，请运行：
python batch_infer.py --help
从头开始训练
训练脚本已上传，但可能尚未组织完善。为获得最佳兼容性，我们建议在未来稳定版发布后再训练您自己的模型。
免责声明
禁止任何组织或个人使用未经提供者同意获得的任何录音作为训练数据。如果您不遵守此项，可能会违反版权法或软件最终用户许可协议。
许可证
SOME采用MIT许可证授权。
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高 效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研 究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号