Polymath

À propos de Polymath

De la musique à la bibliothèque d'échantillons, propulsée par l'IA

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

Séparation automatique des tiges

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.

Conversion audio en MIDI

Convertissez des stems ou des pistes entières en MIDI à l'aide du réseau neuronal Basic Pitch, permettant une intégration transparente dans votre station de travail audio numérique (DAW) pour un arrangement et une production ultérieurs.

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.

Quantification et alignement des battements

Avec pyrubberband, tous les stems et fichiers audio sont alignés sur une grille rythmique, permettant des mashups synchronisés, des mixages et la création de musique en boucle.

Analyse de la structure musicale

Polymath utilise sf_segmenter pour diviser les morceaux en sections étiquetées comme le refrain, le couplet ou le pont. Cela facilite l'organisation des échantillons en fonction de leur fonction musicale.

Recherche de chansons similaires

Une fois analysées, les chansons de votre bibliothèque peuvent être recherchées par similarité, ce qui est idéal pour créer des sets de DJ, créer des mix thématiques ou former des modèles musicaux d'IA.

Use Cases

Pour les producteurs de musique

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.

Pour les DJ

Recherchez dans votre bibliothèque des morceaux compatibles harmoniquement et rythmiquement. Quantifiez des sets entiers à un tempo cohérent et exportez les stems pour des transitions fluides.

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

Analysez le tempo, la hauteur, la tonalité, le timbre et d'autres caractéristiques audio d'une grande variété de musiques. Utilisez Polymath pour étudier les schémas, tendances et relations musicales.

How It Works

• Séparation des sources — Démucs
• Segmentation et structure — sf_segmenter
• Suivi de la hauteur tonale et de la tonalité — Crêpe
• Conversion audio vers MIDI — Hauteur de base
• Quantification — pyrubberband
• Extraction de caractéristiques — librosa

Configuration requise et configuration

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

Prise en charge de Docker

Exécutez Polymath dans un environnement conteneurisé à l'aide du Dockerfile fourni. Montez les répertoires d'entrée/sortie et traitez facilement les fichiers sur toutes les plateformes.

Licences et communauté

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.