Polymath: एक संगीत कार्य प्रवाह को सुव्यवस्थित करने वाला AI-संचालित उपकरण
Polymath एक ऐसा उपकरण है जो मशीन लर्निंग का उपयोग करके किसी भी संगीत पुस्तकालय (जैसे हार्ड-ड्राइव या YouTube से) को एक संगीत उत्पादन नमूना-पुस्तकालय में बदलता है। यह उपकरण स्वतंत्र रूप से गीतों को स्टेम (बीट, बास, आदि) में विभाजित करता है, उन्हें एक ही टेम्पो और बीट-ग्रिड (जैसे 120bpm) में क्वांटाइज करता है, संगीत संरचना (जैसे पंक्ति, कोरस, आदि), कुंजी (जैसे C4, E3, आदि) और अन्य जानकारियों (टिम्बर, लाउडनेस, आदि) का विश्लेषण करता है और ऑडियो को MIDI में बदलता है।
प्रमुख विशेषताएँ
- संगीत स्रोत पृथक्करण: Demucs न्यूरल नेटवर्क के साथ संगीत स्रोत पृथक्करण किया जाता है।
- संगीत संरचना विभाजन/लेबलिंग: sf_segmenter न्यूरल नेटवर्क के साथ संगीत संरचना विभाजन/लेबलिंग किया जाता है।
- संगीत पिच ट्रैकिंग और कुंजी डिटेक्शन: Crepe न्यूरल नेटवर्क के साथ संगीत पिच ट्रैकिंग और कुंजी डिटेक्शन किया जाता है।
- संगीत से MIDI ट्रांसक्रिप्शन: Basic Pitch न्यूरल नेटवर्क के साथ संगीत से MIDI ट्रांसक्रिप्शन किया जाता है।
- संगीत क्वांटाइजेशन और संरेखण: pyrubberband के साथ संगीत क्वांटाइजेशन और संरेखण किया जाता है।
- संगीत जानकारी पुनर्प्राप्ति और प्रोसessing: librosa के साथ संगीत जानकारी पुनर्प्राप्ति और प्रोसessing किया जाता है।
उपयोग के मामले
- नई संगीत रचनाएँ: Polymath के साथ आप विभिन्न गीतों के तत्वों को जोड़कर एक-of-a-kind नई रचनाएँ बना सकते हैं। उदाहरण के लिए, आप एक Funkadelic ट्रैक से एक बीट, एक Tito Puente के टुकड़े से एक बासलाइन और एक Fela Kuti गीत से फिटिंग हॉर्न्स ले सकते हैं और अपने DAW में चारों ओर से एकीकृत कर सकते हैं।
- DJ सेट: Polymath की खोज क्षमता का उपयोग करके आप संबंधित ट्रैक्स को खोज सकते हैं और एक पॉलिश किया हुआ, एक घंटे का मश-अप DJ सेट बना सकते हैं।
- ML विकासकर्ताओं के लिए: Polymath एक बड़े संगीत डेटासेट को बनाने की प्रक्रिया को सरल करता है जो जनरेटिव मॉडलों के प्रशिक्षण के लिए उपयोग किया जा सकता है।
प्राइसिंग
Polymath के प्राइसिंग के बारे में विशेष जानकारी उपलब्ध नहीं है।
तुलनाएँ
Polymath के समान विशेषताओं वाले अन्य AI-उपकरणों के साथ तुलना करने के लिए, हमें उनके कार्य प्रवाह, विशेषताओं और उपयोग के मामलों को ध्यान में रखना होगा। उदाहरण के लिए, कुछ AI-उपकरण संगीत स्रोत पृथक्करण में अधिक प्रभावी हो सकते हैं जबकि Polymath के संगीत संरचना विभाजन/लेबलिंग के क्षेत्र में पूर्वानुमानित हो सकते हैं।
उन्नत टिप्स
- GPU समर्थन: polymath के अधिकांश पुस्तकालयों में कूडा के माध्यम से प्राकृतिक GPU समर्थन है। Tensorflow और Torch दोनों GPU को स्वतंत्र रूप से चुनते हैं और इसे उपयोग करते हैं यदि आप सही कदमों का पालन करते हैं।
- Docker सेटअप: यदि आपके पास Docker स्थापित है, तो आप प्रदान किए गए Dockerfile का उपयोग करके एक polymath docker image बना सकते हैं।
Polymath एक बहुत ही उपयोगी AI-संचालित उपकरण है जो संगीत उत्पादकों, DJs और ML ऑडियो विकासकर्ताओं के लिए कार्य प्रवाह को सुव्यवस्थित करता है और उन्हें नई संगीत रचनाएँ बनाने और संगीत डेटासेट को बनाने के लिए सहायता करता है।
