stable-audio-tools

Ne işe yarar?

stable-audio-tools, verilen metin komutlarına veya ses koşullarına göre ses ve müzik üreten yapay zekâ modellerinin eğitimi ve çalıştırılması için geliştirilmiş bir kütüphanedir. PyTorch Lightning ve Flash Attention altyapılarını kullanarak çoklu grafik işlem birimi (GPU) üzerinde hızlı ve ölçeklenebilir model eğitimi sağlar. Stable Audio Open gibi hazır modelleri kolayca denemek için Gradio tabanlı bir web kullanıcı arayüzü sunar. Yalnızca hazır modellerle ses üretmekle kalmaz; kullanıcıların kendi ses veri setleriyle sıfırdan model eğitmesine ve ince ayar yapmasına imkân tanır.

Neler için kullanılabilir?

• Metin açıklamalarından özel ses efektleri ve fon müzikleri üretmek
• Kendi ses ve müzik veri setinizle yeni üretken ses modelleri eğitmek
• Gradio web arayüzü üzerinden eğitilmiş ses modellerini etkileşimli olarak test etmek
• Mevcut Stable Audio modelleri üzerinde ince ayar yaparak özel sesler oluşturmak

Nasıl kullanılır?

1. Depoyu klonlayıp dizine geçtikten sonra uv sync --extra train --extra ui veya pip install stable-audio-tools[train]"' ile bağımlılıkları kurun.
2. Hugging Face kullanım koşullarını kabul ettikten sonra python3 ./run_gradio.py --pretrained-name stabilityai/stable-audio-open-1.0 ile arayüzü başlatın.
3. Kendi modellerinizi eğitmek için yapılandırma dosyalarınızı hazırlayıp python3 ./train.py betiğini çalıştırın.

Adımlar deponun README'sinden özetlendi; güncel kurulum için deponun kendi sayfasına bakın.

Kimler için?

Yapay zekâ ile müzik ve ses üretim modelleri geliştirmek, eğitmek veya ince ayar yapmak isteyen ses araştırmacıları ve mühendisleri.

Aynı kategoriden

• Whisper Konuşmaları metne dönüştüren ve çeviri yapabilen genel amaçlı yapay zekâ modeli.
• VoiceStudio Kendi bilgisayarınızda çalışan ses klonlama, dublaj ve konuşma tanıma aracı.
• GPT-SoVITS (63K) Kısa bir ses kaydıyla ses klonlama ve metinden konuşma üretimi sağlayan web arayüzü.
• voicebox (57,7K) Yerel olarak çalışan açık kaynaklı yapay zekâ ses stüdyosu ve dikte aracı.
• whisper.cpp OpenAI Whisper modelinin C ve C++ ile yazılmış yüksek performanslı yerel sürümüdür.
• VoxCPM (39K) 30 dilde doğal seslendirme, ses tasarımı ve klonlama sunan açık kaynaklı TTS modeli.