
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-11-17 · 当前星标 ★ 302
核心亮点
- 聚焦自动歌唱转录这一细分任务,而非泛化的音频转 MIDI
- 采用生成式建模思路(d3pm 相关),在转录方法上有研究探索价值
- Python 实现,便于 MIR 研究者复现、改造成实验基线
不足之处
- 早期项目,星标与社区规模有限,文档和示例可能不完整
- 生成式转录对算力与推理配置有要求,开箱即用体验待观察
适用场景
- 歌声旋律提取与 MIDI 扒谱辅助
- 音乐信息检索方向的学术实验与对比基线
- 音乐教学或创作中的旋律数字化整理
替代项目
basic-pitch、omnizart、MT3
下一篇:没有了!
同类项目推荐
kokoclone
开源
克隆任意声音,用 Kokoro 生成多语言自然语音
Voice Cloning, Now Inside Kokoro. Generate natural multilingual speech and clone any···
sub-to-audio
开源
把字幕文件一键变成同步语音,自动配音不求人。
Subtitle to audio, generate audio from any subtitle file using Coqui-ai TTS and sync···
Genie-TTS
开源
把 GPT-SoVITS 模型转成 ONNX,部署快、跑得稳,声音克隆更轻松。
GPT-SoVITS ONNX Inference Engine & Model Converter
AudioSmith
开源
Mac 上本地搞定转录、配音和声音克隆
Speech, voices, stories, audiobooks, dubbing and transcription, made on your Mac. Fr···
WavTokenizer
开源
每秒40个token,让音频语言建模又快又准
[ICLR 2025] SOTA discrete acoustic codec models with 40/75 tokens per second for aud···
ComfyUI-XTTS
开源
在 ComfyUI 里拖拽节点,即可克隆声音并生成多语言语音。
a custom comfyui node for coqui-ai/TTS's xtts module! support 17 languages voice clo···
pdf-to-podcast
开源
把 PDF 变成能听的播客,通勤路上轻松吸收知识。
Transform PDFs into AI podcasts for engaging on-the-go audio content.
nonparaSeq2seqVC_code
开源
无需平行语料,实现任意说话人语音转换
Implementation code of non-parallel sequence-to-sequence VC
learnable-speech
开源
无需对齐,快速实现跨语言语音合成与克隆
This repo is text to speech with learnable audio encoder without alignment with tra···