AudioMuse-AI

声学分析自动挖掘曲库，生成智能歌单，找回被遗忘的好歌。

AudioMuse-AI 是一个开源的智能音乐分析引擎，专注于解决音乐库中“有歌却难找”的痛点。它通过声学分析技术，不依赖任何元数据或外部服务，直接对音频文件进行深度解析，从而发现被遗忘的歌曲、挖掘音乐库中隐藏的关联，并自动生成智能播放列表。项目支持 Navidrome、Jellyfin、LMS、Lyrion、Emby 和 Plex 等主流媒体服务器，安装后即可无缝集成。其核心能力包括：基于音频指纹的相似歌曲聚类、动态歌单生成、以及离线本地化处理，确保用户隐私和数据安全。对于拥有大量本地音乐且厌倦手动整理的用户，AudioMuse-AI 提供了一种全新的、自动化的音乐发现体验，让尘封的曲库重新焕发活力。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2631

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队NeptuneHub

所属国家

官网地址https://neptunehub.github.io/AudioMuse-AI

GitHubhttps://github.com/NeptuneHub/AudioMuse-AI

定价模式free

价格说明开源项目，AGPL-3.0许可，本地部署，无在线服务，完全免费。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型clap,docker,emby,jellyfin,jellyfin-plugin,k3s,kubernetes,librosa,llm,lyrion,music,navidrome,onnx,playlist,plex,self-hosted,smart-playlists,sonic-analysis

GitHub 星标★ 2631

30天Star增速

HF 下载量

上线时间2025-05-24 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：入门约 10 分钟部署方式：Docker 7 步

环境要求

已安装 Docker 和 Docker Compose
已有一个正在运行的媒体服务器（Navidrome、Jellyfin、Lyrion、Emby 或 Plex）
满足项目文档中的硬件要求（见 README 的 Hardware Requirements 章节）
PostgreSQL v15（部署示例基于该版本，其他版本可能出错）

安装与启动步骤

1获取项目代码

README 未直接给出克隆命令，按项目 GitHub 地址获取源码，进入仓库根目录后再执行后续步骤。
```
git clone https://github.com/NeptuneHub/AudioMuse-AI.git
cd AudioMuse-AI
```
2复制环境变量文件

在仓库根目录执行，将示例环境文件复制为 deployment/.env，后续启动会读取它。
```
cp deployment/.env.example deployment/.env
```
3修改数据库密码

编辑 deployment/.env，至少修改默认数据库用户名和密码；也可覆盖其他 PostgreSQL 连接参数。
```
POSTGRES_PASSWORD=your-secure-password
```
4启动服务

使用 Docker Compose 后台启动整套服务（Web UI、PostgreSQL、Worker）。
```
docker compose -f deployment/docker-compose.yaml up -d
```
5访问 Web 界面

打开 Web UI 进入 Setup Wizard 完成配置；Swagger 文档在 /apidocs/，开启认证时需先登录。
```
http://localhost:8000
```
6运行首次分析

进入 Analysis and Clustering 页面，点击 Start Analysis 扫描音乐库，完成后可查看聚类与音乐地图。
7停止服务

需要停机或更新时执行，停止并移除本次启动的容器。
```
docker compose -f deployment/docker-compose.yaml down
```

关键配置

配置项	必填	说明	示例
`POSTGRES_PASSWORD`	是	PostgreSQL 数据库密码，README 建议修改默认值	`your-secure-password`
`POSTGRES_USER`	否	PostgreSQL 数据库用户名，建议改掉默认值	`audiomuse`
`TZ`	否	容器时区，v1.0.0 起仅 PostgreSQL 和 TZ 走环境变量	`Asia/Shanghai`

如何确认成功

浏览器打开 http://localhost:8000 能看到 Setup Wizard 首页，访问 http://localhost:8000/apidocs/ 可打开 API 文档即表示启动成功。

常见问题

Q：支持哪些媒体服务器？

A：支持 Navidrome、Jellyfin、LMS、Lyrion、Emby 和 Plex，官方表示后续还会增加更多集成。

Q：必须用 Docker 吗？

A：不是。除了 Docker Compose / Podman 和 Kubernetes，官方还提供 macOS、Linux、Windows 原生安装包，自带嵌入式 PostgreSQL，启动后访问 http://127.0.0.1:8000。

Q：数据库可以用其他版本吗？

A：README 明确说明示例基于 PostgreSQL v15 设计，使用不同版本可能导致错误。

Q：怎么控制更新版本？

A：用固定版本标签如 :X.Y.Z 最稳妥；:latest 是最近发布版，自动更新；:devel 为不稳定开发版，仅适合尝鲜测试。

Q：如何停止或关闭服务？

A：执行 docker compose -f deployment/docker-compose.yaml down 即可停止容器。

注意事项

从 v1.0.0 起只有 PostgreSQL 和 TZ 通过环境变量配置，其余设置都在浏览器 Setup Wizard 中完成并存入数据库，旧环境变量会在首次启动时自动导入。
升级原生安装版本前，务必先停止正在运行的实例。
macOS/Linux/Windows 原生包未签名，首次启动系统可能告警；Linux 需用 root 安装、用普通用户运行（不能用 sudo）。
无 AVX2 的 CPU 可用 -noavx2 镜像，需要 GPU 加速可用 -nvidia 镜像（ARM 的 -nvidia-arm 为实验性）。

核心亮点

纯声学分析，不依赖标签或外部API，隐私友好且离线可用
一键集成 Navidrome、Jellyfin、Plex 等主流媒体服务器，部署简单
能自动发现曲库中隐藏的音乐关联，生成惊喜歌单，提升发现感

不足之处

声学分析对计算资源有一定要求，大型曲库首次扫描耗时较长
文档/社区待观察，项目尚在成长中，生态和教程可能不够丰富

适用场景

个人音乐库整理：自动归类相似歌曲，生成心情或风格歌单
家庭媒体服务器：为 Jellyfin/Plex 用户提供智能推荐功能
音乐探索：从旧曲库中挖掘被遗忘的冷门佳作

替代项目

Navidrome、Jellyfin、Plex

项目介绍

AudioMuse-AI 是音频音乐领域的开源项目，由 NeptuneHub 开发，2025 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,631）位列前 30%，在音频音乐分类的 738 个项目里位列前 9%。

近 42 天，它的 GitHub 星标从 2,434 增加到 2,631，净增 197。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。AGPL-3.0许可，本地部署，无在线服务，完全免费。

它主要面向的使用场景是：个人音乐库整理：自动归类相似歌曲，生成心情或风格歌单。同类可对比的替代方案包括 Navidrome、Jellyfin、Plex。

上一篇：AudioGPT

下一篇：MusicGPT