Polymath

About Polymath

From Music to Sample Library, Powered by AI

Polymath — это инструмент Python с открытым исходным кодом, который использует машинное обучение для преобразования любой музыкальной библиотеки — будь то с вашего жесткого диска или YouTube — в доступную для поиска, квантованную, готовую к производству библиотеку сэмплов. Созданный для музыкальных продюсеров, диджеев и исследователей аудио ИИ, он оптимизирует все — от разделения источника до транскрипции MIDI.

Создано Audio Innovators для Audio Innovators

Разработанный аудиотехнологами и разработчиками, Polymath упрощает обычно сложный процесс до автоматизированного рабочего процесса. Он использует набор современных нейронных сетей для анализа, маркировки и преобразования аудио, давая музыкантам больше времени на создание и меньше на редактирование.

Core Features

Automatic Stem Separation

Polymath использует нейронную сеть Demucs для извлечения отдельных аудио-основ, таких как барабаны, бас, вокал, фортепиано, гитара и т. д. Это позволяет точно сэмплировать и ремикшировать изолированные элементы.

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.

Определение тональности и темпа

Polymath автоматически определяет музыкальную тональность и темп, используя такие инструменты, как Crepe и librosa, что упрощает сопоставление элементов на разных дорожках вашего проекта.

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

Быстро разбивайте любимые треки на пригодные для использования образцы. Извлекайте и объединяйте элементы разных жанров для создания ремиксов, битов или совершенно новых композиций.

For DJs

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

Для разработчиков МО

Polymath генерирует структурированные, маркированные наборы данных из реальной музыки. Идеально подходит для обучения генеративных моделей или проведения музыковедческого анализа.

Для исследователей

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

• Питон 3.7–3.10
• ffmpeg
• Графический процессор с поддержкой CUDA (необязательно, но рекомендуется)

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 — это проект с открытым исходным кодом под лицензией MIT, приветствующий вклад музыкантов, разработчиков и исследователей. Вы можете присоединиться к растущему сообществу через Discord для поддержки, обновлений и сотрудничества.