معرفی شرکت ها

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 بیشتر

توضیحات

Unofficial Python package of D3Net implementation by Sony Research AI, used in Spleeter Web.

ویژگی	مقدار
سیستم عامل	-
نام فایل	d3net-spleeterweb-0.1.3
نام	d3net-spleeterweb
نسخه کتابخانه	0.1.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	JeffreyCA
ایمیل نویسنده	jeffreyca16@gmail.com
آدرس صفحه اصلی	https://github.com/JeffreyCA/spleeterweb-d3net
آدرس اینترنتی	https://pypi.org/project/d3net-spleeterweb/
مجوز	-

# D3Net (Music Source Separation) for Spleeter Web **This is a modified version of the [official D3Net repo](https://github.com/sony/ai-research-code/blob/master/d3net/music-source-separation/) made to be compatible with [Spleeter Web](https://github.com/JeffreyCA/spleeter-web)!** This is inference code for D3Net based music source separation. ## Quick Music Source Separation Demo by D3Net From the Colab link below, you can try using D3Net to generate and listen to separated audio sources of your audio music file. Please give it a try! [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/sony/ai-research-code/blob/master/d3net/music-source-separation/D3Net-MSS.ipynb) ## Getting started ## Prerequisites * nnabla * librosa * pydub * numpy * soundfile * yaml ## Inference: Music source separation with pretrained model Download the pre-trained D3Net model for Music Source Separation [here](https://nnabla.org/pretrained-models/ai-research-code/d3net/mss/d3net-mss.h5). Run the below inference command for a sample audio file `test.wav` in current directory: ```python python ./separate.py -i ./test.wav -o output/ -m d3net-mss.h5 -c cudnn ``` Arguments: -i : Input files. (Any audio format files supported by FFMPEG.) -o : Output directory. (Output folder path to save separated instruments) -m : Model file. (Pre-trained model) -c : Context. (Extension modules : `cpu` or `cudnn`) ## Training: Train the music source separation model from scratch (**coming soon**)

نیازمندی

مقدار	نام
>=1.2.2	lameenc
>=0.3.1	musdb
>=0.3.0	museval
>=2.22	requests
>=1.3.1	scipy
>=41.0.0	setuptools
>=0.2.1	norbert
>=0.2.2	resampy
>=1.13.0	nnabla
>=0.25.1	pydub
>=0.8.0	librosa

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl d3net-spleeterweb-0.1.3:

pip install d3net-spleeterweb-0.1.3.whl

نصب پکیج tar.gz d3net-spleeterweb-0.1.3:

pip install d3net-spleeterweb-0.1.3.tar.gz