Polymath

Über Polymath

Von der Musik zur Sample-Bibliothek, unterstützt durch KI

Polymath ist ein Open-Source-Python-Tool, das maschinelles Lernen nutzt, um jede Musikbibliothek — ob von Ihrer Festplatte oder von YouTube — in eine durchsuchbare, quantisierte und produktionsbereite Sample-Bibliothek umzuwandeln. Entwickelt für Musikproduzenten, DJs und KI-Audioforscher, optimiert es alles von der Quellentrennung bis zur MIDI-Transkription.

Erstellt von und für Audio-Innovatoren

Polymath wurde von Audiotechnologen und -entwicklern entwickelt und vereinfacht einen normalerweise komplexen Prozess zu einem automatisierten Workflow. Es nutzt modernste neuronale Netzwerke zur Analyse, Beschriftung und Konvertierung von Audiodaten. So haben Musiker mehr Zeit zum Erstellen und weniger Zeit zum Bearbeiten.

Core Features

Automatische Stammtrennung

Polymath nutzt das neuronale Netzwerk Demucs, um einzelne Audio-Stämme wie Schlagzeug, Bass, Gesang, Klavier, Gitarre und mehr zu extrahieren. Dies ermöglicht präzises Sampling und Remixen isolierter Elemente.

Audio-zu-MIDI-Konvertierung

Konvertieren Sie Stems oder ganze Tracks mithilfe des neuronalen Netzwerks Basic Pitch in MIDI und ermöglichen Sie so eine nahtlose Integration in Ihre digitale Audio-Workstation (DAW) für weiteres Arrangement und Produktion.

Tonart- und Tempoerkennung

Polymath erkennt mithilfe von Tools wie Crepe und Librosa automatisch Tonarten und Tempo und erleichtert so das Anpassen von Elementen zwischen verschiedenen Titeln in Ihrem Projekt.

Quantisierung und Beat-Alignment

Mit Pyrubberband werden alle Stems und Audiodateien an einem Beatgrid ausgerichtet, was synchronisierte Mashups, Mixes und die Erstellung loopbasierter Musik ermöglicht.

Musikstrukturanalyse

Polymath verwendet sf_segmenter, um Songs in beschriftete Abschnitte wie Refrain, Strophe oder Bridge zu unterteilen. Dies erleichtert die Organisation von Samples nach musikalischer Funktion.

Suche nach ähnlichen Songs

Nach der Analyse können die Songs in Ihrer Bibliothek nach Ähnlichkeiten durchsucht werden — ideal zum Erstellen von DJ-Sets, thematischen Mixen oder zum Trainieren von KI-Musikmodellen.

Anwendungsfälle

Für Musikproduzenten

Zerlegen Sie Ihre Lieblingstitel schnell in verwertbare Samples. Extrahieren und kombinieren Sie Elemente aus verschiedenen Genres, um Remixe, Beats oder völlig neue Kompositionen zu erstellen.

Für DJs

Durchsuchen Sie Ihre Bibliothek nach harmonisch und rhythmisch kompatiblen Titeln. Quantisieren Sie ganze Sets auf ein einheitliches Tempo und exportieren Sie Stems für nahtlose Übergänge.

Für ML-Entwickler

Polymath generiert strukturierte, beschriftete Datensätze aus echter Musik. Ideal für das Training generativer Modelle oder die Durchführung musikwissenschaftlicher Analysen.

Für Wissenschaftler/innen

Analysieren Sie Tempo, Tonhöhe, Tonart, Klangfarbe und andere Audiomerkmale in einer Vielzahl von Musikrichtungen. Nutzen Sie Polymath, um musikalische Muster, Trends und Zusammenhänge zu untersuchen.

How It Works

• Quellentrennung — Demucs
• Segmentierung & Struktur — sf_segmenter
• Pitch & Key Tracking — Crepe
• Audio zu MIDI — Grundtonhöhe
• Quantisierung — Pyrubberband
• Merkmalsextraktion — librosa

Systemanforderungen und Einrichtung

• Python 3.7–3.10
• ffmpeg
• CUDA-fähige GPU (optional, aber empfohlen)

Docker-Unterstützung

Führen Sie Polymath in einer Containerumgebung mit dem bereitgestellten Dockerfile aus. Binden Sie Ein-/Ausgabeverzeichnisse ein und verarbeiten Sie Dateien problemlos plattformübergreifend.

Lizenzierung und Community

Polymath ist Open Source unter der MIT-Lizenz und begrüßt Beiträge von Musikern, Entwicklern und Forschern. Sie können der wachsenden Community über Discord beitreten und Support, Updates und Zusammenarbeit nutzen.