Polymath

About Polymath

From Music to Sample Library, Powered by AI

Polymath est un outil Python open source qui utilise l'apprentissage automatique pour transformer n'importe quelle bibliothèque musicale, qu'elle provienne de votre disque dur ou de YouTube, en une bibliothèque d'échantillons quantifiée, consultable et prête à l'emploi. Conçu pour les producteurs de musique, les DJ et les chercheurs en IA audio, il simplifie tout, de la séparation des sources à la transcription MIDI.

Créé par et pour les innovateurs audio

Conçu par des technologues et développeurs audio, Polymath simplifie un processus généralement complexe en un flux de travail automatisé. Il utilise une suite de réseaux neuronaux de pointe pour analyser, étiqueter et convertir l'audio, offrant aux musiciens plus de temps pour créer et moins de temps pour éditer.

Core Features

Automatic Stem Separation

Polymath utilise le réseau neuronal Demucs pour extraire des sons individuels tels que la batterie, la basse, le chant, le piano, la guitare, etc. Cela permet un échantillonnage et un remixage précis d'éléments isolés.

Audio to MIDI Conversion

Convert stems or entire tracks into MIDI using the Basic Pitch neural network, allowing seamless integration into your digital audio workstation (DAW) for further arrangement and production.

Détection de la tonalité et du tempo

Polymath détecte automatiquement les tonalités musicales et le tempo, à l'aide d'outils tels que Crepe et librosa, ce qui facilite la correspondance des éléments sur différentes pistes de votre projet.

Quantization and Beat Alignment

With pyrubberband, all stems and audio files are aligned to a beat grid, allowing for synchronized mashups, mixes, and loop-based music creation.

Music Structure Analysis

Polymath uses sf_segmenter to break songs into labeled sections like chorus, verse, or bridge. This makes it easy to organize samples based on musical function.

Similar Song Search

Once analyzed, songs in your library can be searched by similarity—ideal for building DJ sets, creating thematic mixes, or training AI music models.

Use Cases

For Music Producers

Décomposez rapidement vos morceaux préférés en samples exploitables. Extrayez et combinez des éléments de différents genres pour créer des remix, des beats ou des compositions entièrement nouvelles.

For DJs

Search your library for harmonically and rhythmically compatible tracks. Quantize entire sets to a consistent tempo and export stems for seamless transitions.

Pour les développeurs ML

Polymath génère des ensembles de données structurés et étiquetés à partir de musique réelle. Idéal pour entraîner des modèles génératifs ou réaliser des analyses musicologiques.

Pour les chercheurs

Analyze tempo, pitch, key, timbre, and other audio features across a wide variety of music. Use Polymath to investigate musical patterns, trends, and relationships.

How It Works

• Source Separation — Demucs
• Segmentation & Structure — sf_segmenter
• Pitch & Key Tracking — Crepe
• Audio to MIDI — Basic Pitch
• Quantization — pyrubberband
• Feature Extraction — librosa

System Requirements & Setup

• Python 3.7–3.10
• ffmpeg
• GPU compatible CUDA (facultatif mais recommandé)

Docker Support

Run Polymath in a containerized environment using the provided Dockerfile. Mount input/output directories and process files easily across platforms.

Licensing & Community

Polymath est open source sous licence MIT et accueille les contributions des musiciens, développeurs et chercheurs. Vous pouvez rejoindre la communauté grandissante via Discord pour obtenir du soutien, des mises à jour et collaborer.