remi
用 Transformer 生成有节奏感的流行钢琴曲，基于节拍建模更自然。
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 2026-08-09 · 当前星标 ★ 606
使用教程
环境要求
- GPU
- MIDI 数据集
- 音乐结构基础
安装与启动步骤
-
1克隆装依赖
研究代码，按论文结构组织。
git clone https://github.com/yatingmusic/remi -
2准备数据
它按小节与拍子组织训练数据，格式要严格对齐。
-
3先小数据跑通
确认损失能正常下降再放量。
-
4生成一段
给起始条件，它输出后续的鼓与旋律。
-
5人工听评
音乐好不好听只能人判断，指标仅供参考。
如何确认成功
给定一小节起始乐句能生成结构完整、节拍对齐的多轨片段，导出后能正常播放
注意事项
- 这是论文代码，重点是复现方法不是产品化。
- 数据格式对齐是最容易卡住的一步。
- 生成结果的音乐性依赖训练数据风格。
- 评测指标与人耳判断常常不一致，别只看数字。
核心亮点
- 基于节拍的 token 设计，能生成节奏更稳定的音乐
- 完整开源论文配套代码，数据处理到生成全流程可用
- 支持自定义 MIDI 数据集训练，灵活适配不同风格
不足之处
- 文档/社区待观察
- 依赖较老的 TensorFlow 版本，环境配置可能有坑
适用场景
- 学术研究：复现论文实验或扩展音乐生成模型
- 音乐创作辅助：生成流行钢琴旋律灵感
- 教学演示：理解 Transformer 在序列生成中的应用
替代项目
Music Transformer、MuseNet、Magenta
同类项目推荐
voxt
开源
按住说话，自动生成干净、专业、符合当前应用的文字
We've moved to SGLang Omni Voxt: https://github.com/sgl-project/sglang-omni/tree/mai···
RealTimeSingingSynthesizer
开源
用代码实时合成歌声，现场编程即兴演唱
Live Coding Singing Synthesizer. Python sinsy-NG wrapper.
ElevenLabs-DotNet
开源
用 C# 快速接入 ElevenLabs，实现高质量语音合成。
A Non-Official ElevenLabs RESTful API Client for dotnet
viet-tts
开源
给越南语应用加上自然语音，开源免费即用
VietTTS: An Open-Source Vietnamese Text to Speech
Irodori-TTS
开源
用表情符号控制语音风格，让 TTS 更生动自然
A Flow Matching-based Text-to-Speech Model with Emoji-driven Style Control
AstraTTS
开源
本地化低延迟流式TTS，支持自定义音色和中英混说
A high-performance, cross-platform TTS synthesis solution powered by ONNX Runtime, f···
Transformer-TTS
开源
用 Transformer 替代 RNN，快速训练语音合成模型
A Pytorch Implementation of "Neural Speech Synthesis with Transformer Network"
Comprehensive-Transformer-TTS
开源
用Transformer并行合成语音，速度飞快，效果媲美SOTA。
A Non-Autoregressive Transformer based Text-to-Speech, supporting a family of SOTA t···
MusicTransformer-Pytorch
开源
用 PyTorch 复现 Music Transformer，轻松生成连贯钢琴曲
MusicTransformer written for MaestroV2 using the Pytorch framework for music generat···