معرفی شرکت ها
asmd-0.5.1
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Audio-Score Meta-Dataset
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | asmd-0.5.1 |
| نام | asmd |
| نسخه کتابخانه | 0.5.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Federico Simonetta |
| ایمیل نویسنده | federico.simonetta@unimi.it |
| آدرس صفحه اصلی | https://asmd.readthedocs.org |
| آدرس اینترنتی | https://pypi.org/project/asmd/ |
| مجوز | MIT |
Audio-Score Meta-Dataset
========================
ASMD is a framework for installing, using and creating music multimodal
datasets including (for now) audio and scores.
This is the repository for paper [1]
Read more in the docs_.
* To install: ``pip install asmd``
* To install datasets: ``python -m asmd.install``
* To import API: ``from asmd import asmd``
Other examples in the paper!
.. _docs: https://asmd.readthedocs.org
Changelog
=========
Version 0.5
^^^^^^^^^^^
#. Improved inference of misalignments
#. Improved the reproducibility of artificial data
#. Improved the documentation
#. Added `ASAP` group in **Maestro: broken backward compatibility**
#. Added `score` for the original score
#. Added midi note matching based on EITA method
#. Added missing and extra notes
#. General refactoring
#. Added functions for set operations among datasets (union, intersections,
complement and subsampling)
#. Various fixes
Version 0.4
^^^^^^^^^^^
# Skipped
Version 0.3
^^^^^^^^^^^
#. Fixed MIDI values ([0, 128) for control changes and pitches)
#. Fixed metadata error while reading audio files
#. Fixed pedaling for tracks that have no pedaling
#. Fixed group selection
#. Added `get_songs`
#. Improved initialization of `Dataset` objects
#. Improved documentation
Version 0.2.2-2
^^^^^^^^^^^^^^^
#. Fixed major bug in install script
#. Fixed bug in conversion tool
#. Removed TRIOS dataset because no longer available
#. Updated ground_truth
Version 0.2.2
^^^^^^^^^^^^^
#. Improved ``parallel`` function
#. Improved documentation
#. Various fixings in ``get_pedaling``
Version 0.2.1
^^^^^^^^^^^^^
#. Added ``nframes`` utility to compute the number of frames in a given time lapse
#. Added ``group`` attribute to each track to create splits in a dataset
(supported in only Maestro for now)
#. Changed ``.pyx`` to ``.py`` with cython in pure-python mode
Version 0.2
^^^^^^^^^^^
#. Added ``parallel`` utility to run code in parallel over a while dataset
#. Added ``get_pianoroll`` utility to get score as pianoroll
#. Added ``sustain``, ``sostenuto``, and ``soft`` to model pedaling information
#. Added utilities ``frame2time`` and ``time2frame`` to ease the development
#. Added ``get_audio_data`` to get data about audio without loading it
#. Added ``get_score_duration`` to get the full duration of a score without
loading it
#. Added another name for the API: ``from asmd import asmd``
#. Deprecated ``from asmd import audioscoredataset``
#. Changed the ``generate_ground_truth`` command line options
#. Easier to generate misaligned data
#. Improved documentation
Roadmap
=======
#. Add matching of same music piece among different datasets
#. Added `torch.DatasetDump` for preprocessing datasets and use them in pytorch
#. Add new modalities (video, images)
#. Add other datasets
#. Refactoring of the `filter` function (it's a bit long now...)
Cite us
=======
[1] Simonetta, Federico ; Ntalampiras, Stavros ; Avanzini, Federico: *ASMD: an automatic framework for compiling multimodal datasets with audio and scores*. In: Proceedings of the 17th Sound and Music Computing Conference. Torino, 2020 arXiv:2003.01958_
.. _arXiv:2003.01958: https://arxiv.org/abs/2003.01958
---
Federico Simonetta
#. https://federicosimonetta.eu.org
#. https://lim.di.unimi.it
نیازمندی
| مقدار | نام |
|---|---|
| >=45.2.0,<46.0.0 | setuptools |
| >=1.18.1,<2.0.0 | numpy |
| >=2.22.0,<3.0.0 | requests |
| >=4.8.2,<5.0.0 | beautifulsoup4 |
| >=4.4.1,<5.0.0 | plotly |
| >=0.2.8,<0.3.0 | pretty_midi |
| >=0.22.1,<0.23.0 | scikit_learn |
| >=0.8.post1,<0.9 | pyfiglet |
| >=1.3.3,<2.0.0 | alive-progress |
| >=3.0.3,<4.0.0 | prompt_toolkit |
| >=4.4.1,<5.0.0 | decorator |
| >=2.1b6.dev374,<3.0 | essentia |
| >=1.0.6,<2.0.0 | mega.py |
| >=0.14.1,<0.15.0 | joblib |
| >=4.43.0,<5.0.0 | tqdm |
| >=0.2.5,<0.3.0 | hmmlearn |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.8.5,<4.0.0 | Python |
نحوه نصب
نصب پکیج whl asmd-0.5.1:
pip install asmd-0.5.1.whl
نصب پکیج tar.gz asmd-0.5.1:
pip install asmd-0.5.1.tar.gz