注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. acapellabot, 用ConvNet提取 Acapella.zip

  2. acapellabot, 用ConvNet提取 Acapella AcapellaBot用卷积神经网络分离音乐中的人声。 博客在这里是 。 使用 ：下载 repo 文件。安装最新版本的Theano 。Keras插件。 librosa插件和 h5py插件，在 3上安装。在 ~/keras/

  3. 所属分类：其它

  1. librosa-0.7.2.tar.gz

  2. 直接使用pip安装失败，改用librosa Source安装。但是没有梯下载很慢，上传最新版本的到这里供下载。

  3. 所属分类：深度学习

    • 发布日期：2020-07-06
    • 文件大小：29mb
    • 提供者：qq_23869697

  1. torchsynth:pytorch中的模块化合成器，GPU可选且可区分-源码

  2. 火炬手 火炬手基于pytorch编写的传统模块化合成。 它是GPU可选的并且是可区分的。 开发安装 git clone https://github.com/turian/torchsynth cd torchsynth pip install -e . 请注意，torchsynth需要PyTorch版本1.7或更高版本。 例子 我们建议您通过Jupyter笔记本运行示例，并安装了 。 安装有点麻烦，并且这些说明是最好的。 jupytext使将演示笔记本作为Python文件轻松放入存储库中变得容

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：32kb
    • 提供者：weixin_42168902

  1. MusicScienceData：音乐和科学项目的示例数据-源码

  2. 音乐科学数据 MusicScienceData是一个R包，它提供示例数据集，适合探索音乐和科学研究中的基本分析（相关性，均值比较等）。 有一些行为数据，包括音轨中的情感表达等级，和弦中的librosa python ，音轨的音乐注释以及通过librosa python脚本从同一文件中提取的一些声学特征。 安装 该软件包的开发版本可以通过以下方式从安装： # install.packages("devtools") devtools :: install_github( " tuomaseero

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：113kb
    • 提供者：weixin_42131705

  1. 带有Tensorflow的Raspberry-Pi上的声音分类：在此项目中，提出了一种简单的方法来训练用于音频信号的MLP神经网络。 训练后的模型可以导出到Raspberry Pi（建议2或更高版本）上，以对通过USB麦克风注册的音频信号进

  2. 在树莓派上用Tensorflow进行声音分类 建立项目 该项目是使用Python 2.7开发和测试的。 在PC / Workstation和Raspberry Pi上安装以下Python库： Tensorflow, Scikit-learn, Librosa 仅在您的Raspberry上安装以下库： Sounddevice 下载UrbanSound8K数据集 训练模型 设置在代码中下载数据集的正确路径。 在要保存训练后的模型的位置设置正确的路径。 在您的PC /工作站上运行“ tra

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：354kb
    • 提供者：weixin_42133753

  1. musicinformationretrieval.com：有关音乐信息检索的教学笔记本-源码

  2. musicinformationretrieval.com musicinformationretrieval.com stanford-mir ）现在是musicinformationretrieval.com 。 该存储库包含与音乐信息检索（MIR）相关的Jupyter教学笔记本。 这些笔记本中包含用于说明基本MIR系统的Python代码段。 使用此存储库的最简单方法是（1）在浏览此存储库的只读版本，以及（2）使用自己的空白Jupyter笔记本。 安装 下载并安装 。 安装和 ：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：39mb
    • 提供者：weixin_42125867

  1. TensorflowASR：集成了Tensorflow 2版本的端到端语音识别模型，并且RTF（实时率）在0.1左右Tensorflow 2中最先进的自动语音识别-源码

  2. TensorflowASR 集成了Tensorflow 2版本的端到端语音识别模型，和RTF（实时率）在0.1左右 目前集成了中文的CTC \ Transducer \ LAS三种结构 当前还在开发阶段 欢迎使用并反馈bug |中文版 梅尔层 参照librosa库，用TF2实现了语音频谱特征提取的层，这样在跨平台部署时会更加容易。 使用： am_data.yml use_mel_layer: True mel_layer_type: Melspectrogram #Spectrogram t

  3. 所属分类：其它