3 dépôts
Awesome GitHub RepositoriesAudio Machine Learning Frameworks
Comprehensive libraries for training and evaluating generative audio and sound synthesis models.
Distinct from Machine Learning Training: Shortlist contains malware or scientific ML; this is specifically for generative audio/music synthesis.
Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Audio Machine Learning Frameworks. Refine with filters or upvote what's useful.
Awesome Audio Machine Learning Frameworks GitHub Repositories
Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
- facebookresearch/audiocraft
facebookresearch/audiocraft
23,379Voir sur GitHubAudiocraft is a deep learning audio library and machine learning framework designed for training, fine-tuning, and evaluating generative models for music and sound effects. It functions as a text-to-music generative model and a neural audio codec, providing the tools necessary to compress audio signals into discrete representations and synthesize high-fidelity waveforms from textual descriptions. The framework is distinguished by its ability to combine multiple conditioning signals, allowing for the generation of audio based on text prompts, melodic excerpts, or style-based audio clips. It al
Provides a complete framework for training, fine-tuning, and evaluating generative models for music and sound effects.
Jupyter Notebook - tyiannak/pyaudioanalysis
tyiannak/pyAudioAnalysis
6,242Voir sur GitHubpyAudioAnalysis est une bibliothèque et un framework Python pour le traitement et l'analyse de signaux audio. Il fournit des outils pour extraire des représentations mathématiques du son, telles que des spectrogrammes, et implémente un système pour entraîner et évaluer des modèles de machine learning afin de classifier des segments audio basés sur des modèles acoustiques. Le projet inclut des utilitaires dédiés pour la segmentation audio, qui permettent la suppression du silence et la détection d'événements audio spécifiques pour diviser les enregistrements en sections significatives. Il fournit également des capacités de visualisation de données qui utilisent la réduction de dimensionnalité pour mapper les similarités de contenu et identifier des clusters au sein des données sonores. La bibliothèque couvre un large éventail de capacités de traitement du signal, incluant l'extraction de caractéristiques dans le domaine spectral, l'analyse temporelle et la régression audio pour estimer des valeurs continues. Ces fonctions sont accessibles à la fois en tant que bibliothèque programmable et via une interface en ligne de commande pour le traitement par lots de fichiers audio.
Ships a framework for training and evaluating machine learning models to categorize sound recordings based on acoustic patterns.
Python - stability-ai/stable-audio-tools
Stability-AI/stable-audio-tools
3,790Voir sur GitHubStable-audio-tools is a toolkit for training and deploying latent diffusion models for high-fidelity audio synthesis. It provides a framework for generating audio by iteratively refining noise within a compressed latent space, using specialized encoders to preserve temporal and spectral features of the audio signal. The project features a system for adapting pre-trained audio checkpoints to new datasets through modular initialization and configuration files. It includes utilities for weight extraction and inference model export, which remove training metadata and optimizer states to create li
Provides a comprehensive framework for training and evaluating generative audio and sound synthesis models.
Python
