MusiCoder基于深度学习音乐质感转换系统
基于深度学习的轻量化音乐质感转换系统
💮项目简介
使用方法
介绍视频
功能简介
像给照片选取滤镜一样,自由地改变自己喜欢的音乐的风格与流派
🎵基于深度学习算法,改变歌曲的质感(已经完成封装,可以直接调用);
☁️经过裁剪与优化的模型,可部署在低配置云服务器上,并借助我们的通讯组件与客户端实现相应交互式应用;
💡轻量级跨平台客户端,资源占用更少,操作逻辑更简,输出时间更短,服务更具想象力。
整体架构
🔻MusiCoder-服务器端
算法数据流
配置及环境要求
基本配置
Ubuntu 12.04 LTS 及以上
内存4G及以上 (推荐)
Python 3 环境
所需主要依赖
模型文件
请分别解压并放置在 converter/models 下
未来感音效 | 水流音效 | 镭射音效 |
---|---|---|
future.ckpt | water.ckpt | laser.ckpt |
运行
开放端口 [port]
执行命令,运行程序(后台静默模式)
nohup python3 server.py [port] &
性能预估
在配置为双核Intel® Xeon® CPU E5-26xx v4 CPU和4G内存的设备上,极限负载为同时承受约20个客户端的峰值任务。 在正常连接情况下,服务器端程序应当可以对各类情况做出正确反馈。但是在客户端中途掉线时,可能会导致 temp 目录下出现残留文件,建议定时进行清除。
🔺MusiCoder-客户端
配置要求
较新的Window系统。4G内存及以上。
暂无特殊环境要求。如果发现,请在issue中提出。
数据传输信息
此次客户端发行版本所连接的服务器[ip:端口]为[140.143.62.99:2333] 此服务器性能较差(双核cup,4G内存)。如果想部署自己的服务,请针对服务器进行重新配置。具体的调整详见帮助文档
安装及运行说明
直接启动对应版本的安装包即可安装。安装完成后,联网条件下启动,进行使用。
📍TODO
改善客户端交互
提升后台速度(我们需要更好的服务器。欢迎投喂比特币 💰到1JyMBHSvReQYvoUDAKaKo9amABcLRqsjsq)
发行OSX、Linux版本
修复出现的bug
开源训练代码
🔗References
Please cite us and give a ⭐️ if you found this repo useful:
X. Peng, C. Li, Z. Cai, F. Shi, Y. Liu, and J. Li. A Lightweight Music Texture Transfer System. CoRR abs/1810.01248 (2018)