Polymath-帮助用户利用机器学习将任何音乐库转换为音乐制作样本库

Polymath利用机器学习将任何音乐库（例如来自硬盘或YouTube）转换为音乐制作样本库。该工具能自动将歌曲分割成节拍、贝斯等音轨部分，将它们量化到相同的速度和节拍格（例如120bpm），分析音乐结构（例如副歌、合唱等），关键（例如C4、E3等）和其他信息（音色、响度等），并将音频转换为MIDI。结果是一个可搜索的样本库，能简化音乐制作人、DJ和ML音频开发者的工作流程。

需求人群：

"音乐制作、DJ创作、音乐数据库训练"

使用场景示例：

使用Polymath将来自不同歌曲的元素组合，创作独特的新作品。

使用Polymath的搜索功能，为小时长混搭DJ表演快速发现相关曲目。

使用Polymath简化创建大型音乐数据集的过程，用于训练生成模型等。

产品特色：

音乐源分离使用Demucs神经网络

音乐结构分割/标记使用sf_segmenter神经网络

音乐音高跟踪和键检测使用Crepe神经网络

音乐转MIDI使用基本音高神经网络

音乐量化和对齐使用pyrubberband

音乐信息检索和处理使用librosa