基于深度学习的轻量化音乐质感转换系统

💮项目简介

使用方法

• 🔧下载发行版，请访问release或项目页面
• 📖软件说明详见帮助文档
• ⚠️ 在上线一年后，我们已于2019.04.08正式停服。您可以自行配置后台进行体验。感谢您的支持！

介绍视频

功能简介

像给照片选取滤镜一样，自由地改变自己喜欢的音乐的风格与流派

• 🎵基于深度学习算法，改变歌曲的质感(已经完成封装，可以直接调用)；
• ☁️经过裁剪与优化的模型，可部署在低配置云服务器上，并借助我们的通讯组件与客户端实现相应交互式应用；
• 💡轻量级跨平台客户端，资源占用更少，操作逻辑更简，输出时间更短，服务更具想象力。

整体架构

🔻MusiCoder-服务器端

算法数据流

配置及环境要求

基本配置

• Ubuntu 12.04 LTS 及以上
• 内存4G及以上 (推荐)
• Python 3 环境

所需主要依赖

• 科学计算与数据可视化：matplotlib+scipy(numpy/pylab/etc)
• 图形图像：PIL.Image
• 音频处理：librosa+pydub+ffmpeg(配置为环境变量)

模型文件

请分别解压并放置在 converter/models 下

未来感音效	水流音效	镭射音效
future.ckpt	water.ckpt	laser.ckpt

运行

1. 开放端口 [port]
2. 执行命令，运行程序（后台静默模式）nohup python3 server.py [port] &

性能预估

在配置为双核Intel® Xeon® CPU E5-26xx v4 CPU和4G内存的设备上，极限负载为同时承受约20个客户端的峰值任务。 在正常连接情况下，服务器端程序应当可以对各类情况做出正确反馈。但是在客户端中途掉线时，可能会导致 temp 目录下出现残留文件，建议定时进行清除。

🔺MusiCoder-客户端

配置要求

• 较新的Window系统。4G内存及以上。
• 暂无特殊环境要求。如果发现，请在issue中提出。

数据传输信息

此次客户端发行版本所连接的服务器[ip:端口]为[140.143.62.99:2333] 此服务器性能较差（双核cup，4G内存）。如果想部署自己的服务，请针对服务器进行重新配置。具体的调整详见帮助文档

安装及运行说明

直接启动对应版本的安装包即可安装。安装完成后，联网条件下启动，进行使用。

🔗References

Please cite us and give a ⭐️ if you found this repo useful:

@misc{peng2018MusiCoder,
    title={A Lightweight Music Texture Transfer System},
    author={Xutan Peng and Chenghua Lin and Chen Li and Zhi Cai and Jianxin Li},
    year={2018},
    eprint={1810.01248},
    archivePrefix={arXiv}
}