当前位置: 首页 > news >正文

长春市做网站深圳在建工程查询

长春市做网站,深圳在建工程查询,岳阳seo外包,免费代理加盟项目懂乐理的音乐专业人士可以通过写乐谱并通过乐器演奏来展示他们的音乐创意和构思#xff0c;但不识谱的素人如果也想跨界玩儿音乐#xff0c;那么门槛儿就有点高了。但随着人工智能技术的快速迭代#xff0c;现在任何一个人都可以成为“创作型歌手”#xff0c;即自主创作并…懂乐理的音乐专业人士可以通过写乐谱并通过乐器演奏来展示他们的音乐创意和构思但不识谱的素人如果也想跨界玩儿音乐那么门槛儿就有点高了。但随着人工智能技术的快速迭代现在任何一个人都可以成为“创作型歌手”即自主创作并且让AI进行演唱极大地降低了音乐制作的门槛。 本次我们基于PaddleHub和Diffsinger实现音频歌声合成操作魔改歌曲《学猫叫》。 配置PaddleHub 首先确保本地就已经安装好了百度的PaddlePaddle深度学习框架随后输入命令安装PaddleHub库 pip install paddlehub2.4.0PaddleHub是基于PaddlePaddle生态下的预训练模型旨在为开发者提供丰富的、高质量的、直接可用的预训练模型也就是说语音模型我们不需要单独训练直接使用paddlehub提供的模型进行推理即可注意这里版本为最新的2.4.0。 安装成功之后配置环境变量 由于PaddleHub会把音色模型下载到本地如果不配置环境变量默认会下载到系统的C盘所以这里单独设置为E盘。 随后需要将Win11的cmd编码设置为utf-8 首先找到设置页面 搜索地区并点击更改国家或地区 选择管理语言设置 选择更改系统区域设置 勾选Beta版: 使用Unicode UTF-8 提供全球语言支持重启生效。如果不设置utf-8编码PaddleHub会因为乱码问题报错。 接着安装diffsinger: hub install diffsinger随后在终端运行代码 import paddlehub as hub module hub.Module(namediffsinger)这里指定diffsinger的模型库程序返回 C:\Program Files\Python310\lib\site-packages\_distutils_hack\__init__.py:33: UserWarning: Setuptools is replacing distutils. warnings.warn(Setuptools is replacing distutils.) | Hparams chains: [configs/config_base.yaml, configs/tts/base.yaml, configs/tts/fs2.yaml, configs/tts/base_zh.yaml, configs/singing/base.yaml, usr\\configs\\base.yaml, usr/configs/popcs_ds_beta6.yaml, usr/configs/midi/cascade/opencs/opencpop_statis.yaml, model\\config.yaml] | Hparams: K_step: 100, accumulate_grad_batches: 1, audio_num_mel_bins: 80, audio_sample_rate: 24000, base_config: [usr/configs/popcs_ds_beta6.yaml, usr/configs/midi/cascade/opencs/opencpop_statis.yaml], binarization_args: {shuffle: False, with_txt: True, with_wav: True, with_align: True, with_spk_embed: False, with_f0: True, with_f0cwt: True}, binarizer_cls: data_gen.singing.binarize.OpencpopBinarizer, binary_data_dir: data/binary/opencpop-midi-dp, check_val_every_n_epoch: 10, clip_grad_norm: 1, content_cond_steps: [], cwt_add_f0_loss: False, cwt_hidden_size: 128, cwt_layers: 2, cwt_loss: l1, cwt_std_scale: 0.8, datasets: [popcs], debug: False, dec_ffn_kernel_size: 9, dec_layers: 4, decay_steps: 50000, decoder_type: fft, dict_dir: , diff_decoder_type: wavenet, diff_loss_type: l1, dilation_cycle_length: 4, dropout: 0.1, ds_workers: 4, dur_enc_hidden_stride_kernel: [0,2,3, 0,2,3, 0,1,3], dur_loss: mse, dur_predictor_kernel: 3, dur_predictor_layers: 5, enc_ffn_kernel_size: 9, enc_layers: 4, encoder_K: 8, encoder_type: fft, endless_ds: True, ffn_act: gelu, ffn_padding: SAME, fft_size: 512, fmax: 12000, fmin: 30, fs2_ckpt: , gaussian_start: True, gen_dir_name: , gen_tgt_spk_id: -1, hidden_size: 256, hop_size: 128, infer: False, keep_bins: 80, lambda_commit: 0.25, lambda_energy: 0.0, lambda_f0: 0.0, lambda_ph_dur: 1.0, lambda_sent_dur: 1.0, lambda_uv: 0.0, lambda_word_dur: 1.0, load_ckpt: , log_interval: 100, loud_norm: False, lr: 0.001, max_beta: 0.06, max_epochs: 1000, max_eval_sentences: 1, max_eval_tokens: 60000, max_frames: 8000, max_input_tokens: 1550, max_sentences: 48, max_tokens: 40000, max_updates: 160000, mel_loss: ssim:0.5|l1:0.5, mel_vmax: 1.5, mel_vmin: -6.0, min_level_db: -120, norm_type: gn, num_ckpt_keep: 3, num_heads: 2, num_sanity_val_steps: 1, num_spk: 1, num_test_samples: 0, num_valid_plots: 10, optimizer_adam_beta1: 0.9, optimizer_adam_beta2: 0.98, out_wav_norm: False, pe_ckpt: checkpoints/0102_xiaoma_pe, pe_enable: True, pitch_ar: False, pitch_enc_hidden_stride_kernel: [0,2,5, 0,2,5, 0,2,5], pitch_extractor: parselmouth, pitch_loss: l1, pitch_norm: log, pitch_type: frame, pre_align_args: {use_tone: False, forced_align: mfa, use_sox: True, txt_processor: zh_g2pM, allow_no_txt: False, denoise: False}, pre_align_cls: data_gen.singing.pre_align.SingingPreAlign, predictor_dropout: 0.5, predictor_grad: 0.1, predictor_hidden: -1, predictor_kernel: 5, predictor_layers: 5, prenet_dropout: 0.5, prenet_hidden_size: 256, pretrain_fs_ckpt: , processed_data_dir: data/processed/popcs, profile_infer: False, raw_data_dir: data/raw/popcs, ref_norm_layer: bn, rel_pos: True, reset_phone_dict: True, residual_channels: 256, residual_layers: 20, save_best: False, save_ckpt: True, save_codes: [configs, modules, tasks, utils, usr], save_f0: True, save_gt: False, schedule_type: linear, seed: 1234, sort_by_len: True, spec_max: [-0.79453, -0.81116, -0.61631, -0.30679, -0.13863, -0.050652, -0.11563, -0.10679, -0.091068, -0.062174, -0.075302, -0.072217, -0.063815, -0.073299, 0.007361, -0.072508, -0.050234, -0.16534, -0.26928, -0.20782, -0.20823, -0.11702, -0.070128, -0.065868, -0.012675, 0.0015121, -0.089902, -0.21392, -0.23789, -0.28922, -0.30405, -0.23029, -0.22088, -0.21542, -0.29367, -0.30137, -0.38281, -0.4359, -0.28681, -0.46855, -0.57485, -0.47022, -0.54266, -0.44848, -0.6412, -0.687, -0.6486, -0.76436, -0.49971, -0.71068, -0.69724, -0.61487, -0.55843, -0.69773, -0.57502, -0.70919, -0.82431, -0.84213, -0.90431, -0.8284, -0.77945, -0.82758, -0.87699, -1.0532, -1.0766, -1.1198, -1.0185, -0.98983, -1.0001, -1.0756, -1.0024, -1.0304, -1.0579, -1.0188, -1.05, -1.0842, -1.0923, -1.1223, -1.2381, -1.6467], spec_min: [-6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0, -6.0], spk_cond_steps: [], stop_token_weight: 5.0, task_cls: usr.diffsinger_task.DiffSingerMIDITask, test_ids: [], test_input_dir: , test_num: 0, test_prefixes: [popcs-说散就散, popcs-隐形的翅膀], test_set_name: test, timesteps: 100, train_set_name: train, use_denoise: False, use_energy_embed: False, use_gt_dur: False, use_gt_f0: False, use_midi: True, use_nsf: True, use_pitch_embed: False, use_pos_embed: True, use_spk_embed: False, use_spk_id: False, use_split_spk_id: False, use_uv: True, use_var_enc: False, val_check_interval: 2000, valid_num: 0, valid_set_name: valid, validate: False, vocoder: vocoders.hifigan.HifiGAN, vocoder_ckpt: checkpoints/0109_hifigan_bigpopcs_hop128, warmup_updates: 2000, wav2spec_eps: 1e-6, weight_decay: 0, win_size: 512, work_dir: , Using these as onnxruntime providers: [CPUExecutionProvider]说明PaddleHub已经配置好了执行过程中预训练模型会被下载到E盘。 Diffsinger模型推理 DiffSinger是一个基于扩散概率模型的 SVS 声学模型一个参数化的马尔科夫链它可以根据乐谱的条件迭代地将噪声转换为旋律谱。 推理之前安装推理加速模块 pip install onnxruntime通过隐式优化变异约束DiffSinger 可以被稳定地训练并产生真实的输出。 这里通过内置的singing_voice_synthesis方法 singing_voice_synthesis(inputs: Dict[str, str],sample_num: int 1, save_audio: bool True,save_dir: str outputs)参数含义是 1. inputs (Dict[str, str]): 输入歌词数据。 2. sample_num (int): 生成音频的数量。 3. save_audio (bool): 是否保存音频文件。 4.save_dir (str): 保存处理结果的文件目录。在官方文档中: https://github.com/MoonInTheRiver/DiffSinger/blob/master/docs/README-SVS-opencpop-cascade.md作者给出了一段示例代码 results module.singing_voice_synthesis( inputs{ text: 小酒窝长睫毛AP是你最美的记号, notes: C#4/Db4 | F#4/Gb4 | G#4/Ab4 | A#4/Bb4 F#4/Gb4 | F#4/Gb4 C#4/Db4 | C#4/Db4 | rest | C#4/Db4 | A#4/Bb4 | G#4/Ab4 | A#4/Bb4 | G#4/Ab4 | F4 | C#4/Db4, notes_duration: 0.407140 | 0.376190 | 0.242180 | 0.509550 0.183420 | 0.315400 0.235020 | 0.361660 | 0.223070 | 0.377270 | 0.340550 | 0.299620 | 0.344510 | 0.283770 | 0.323390 | 0.360340, input_type: word }, sample_num1, save_audioTrue, save_diroutputs ) # text歌词文本 # notes音名 # notes_duration音符时值时长 # input_type输入类型文本示例中使用的是林俊杰的歌曲《小酒窝》。 这里最核心的逻辑是inputs的notes参数也就是乐谱中的音名而notes_duration参数则是该音名的持续时长。 音名对照参照 1 A0 6L4 A2 大字2组 27.5 2 A#0 #6L4 A#2 29.1353 3 B0 7L4 B2 30.8677 4 1 C1 1L3 C1 大字1组 32.7032 5 2 C#1 #1L3 C#1 34.6479 6 3 D1 2L3 D1 36.7081 7 4 D#1 #2L3 D#1 38.8909 8 5 E1 3L3 E1 41.2035 9 6 F1 4L3 F1 43.6536 10 7 F#1 #4L3 F#1 46.2493 11 8 G1 5L3 G1 48.9995 12 9 G#1 #5L3 G#1 51.913 13 10 A1 6L3 A1 55 14 11 A#1 #6L3 A#1 58.2705 15 12 B1 7L3 B1 61.7354 16 13 C2 1L2 C 大字组 65.4064 17 14 C#2 #1L2 #C 69.2957 18 15 D2 2L2 D 73.4162 19 16 D#2 #2L2 #D 77.7817 20 17 E2 3L2 E 82.4069 21 18 F2 4L2 F 87.3071 22 19 F#2 #4L2 #F 92.4986 23 20 G2 5L2 G 97.9989 24 21 G#2 #5L2 #G 103.826 25 22 A2 6L2 A 110 26 23 A#2 #6L2 #A 116.541 27 24 B2 7L2 B 123.471 28 25 C3 1L1 c 小字组 130.813 29 26 C#3 #1L1 #c 138.591 30 27 D3 2L1 d 146.832 31 28 D#3 #2L1 #d 155.563 32 29 E3 3L1 e 164.814 33 30 F3 4L1 f 174.614 34 31 F#3 #4L1 #f 184.997 35 32 G3 5L1 g 195.998 36 33 G#3 #5L1 #g 207.652 37 34 A3 6L1 a 220 38 35 A#3 #6L1 #a 233.082 39 36 B3 7L1 b 246.942 40 37 C4 1 c1 小字1组(中央C) 261.626 41 38 C#4 #1 c#1 277.183 42 39 D4 2 d1 293.665 43 40 D#4 #2 d#1 311.127 44 41 E4 3 e1 329.628 45 42 F4 4 f1 349.228 46 43 F#4 #4 f#1 369.994 47 44 G4 5 g1 391.995 48 45 G#4 #5 g#1 415.305 49 46 A4 6 a1 (国际标准A音) 440 50 47 A#4 #6 a#1 466.164 51 48 B4 7 b1 493.883 52 49 C5 1H1 c2 小字2组 523.251 53 50 C#5 #1H1 c#2 554.365 54 51 D5 2H1 d2 587.33 55 52 D#5 #2H1 d#2 622.254 56 53 E5 3H1 e2 659.255 57 54 F5 4H1 f2 698.456 58 55 F#5 #4H1 f#2 739.989 59 56 G5 5H1 g2 783.991 60 57 G#5 #5H1 g#2 830.609 61 58 A5 6H1 a2 880 62 59 A#5 #6H1 a#2 932.328 63 60 B5 7H1 b2 987.767 64 61 C6 1H2 c3 小字3组 1046.5 65 62 C#6 #1H2 c#3 1108.73 66 63 D6 2H2 d3 1174.66 67 64 D#6 #2H2 d#3 1244.51 68 65 E6 3H2 e3 1318.51 69 66 F6 4H2 f3 1396.91 70 67 F#6 #4H2 f#3 1479.98 71 68 G6 5H2 g3 1567.98 72 69 G#6 #5H2 g#3 1661.22 73 70 A6 6H2 a3 1760 74 71 A#6 #6H2 a#3 1864.66 75 72 B6 7H2 b3 1975.53 76 73 C7 1H3 c4 小字4组 2093 77 74 C#7 #1H3 c#4 2217.46 78 75 D7 2H3 d4 2349.32 79 76 D#7 #2H3 d#4 2489.02 80 77 E7 3H3 e4 2637.02 81 78 F7 4H3 f4 2793.83 82 79 F#7 #4H3 f#4 2959.96 83 80 G7 5H3 g4 3135.96 84 81 G#7 #5H3 g#4 3322.44 85 82 A7 6H3 a4 3520 86 83 A#7 #6H3 a#4 3729.31 87 84 B7 7H3 b4 3951.07 88 C8 1H4 c5 小字5组 4186.01说白了就是按照简谱的键位转换为音名。 以旋律相对简单的《学猫叫》为例子 C’ D’ E’ G C’ E’ E’ D’ C’D’ G’ G’G’ G’ C’ B C’ C’ C’ C’ C’ B C’ B C’ B A G 我们一起学猫叫 一起喵喵喵喵喵 在你面前撒个娇 哎呦喵喵喵喵喵 F C Dm G G G A A A A A G E G E G D’ C’ G E’ E’ E’ F’ G’ C’ C’ E’ D’ 我的心脏砰砰跳 迷恋上你的坏笑 你不说爱我 我就喵喵喵它的前七个音符分别对应CDEGCEE对应代码 results module.singing_voice_synthesis( inputs{ text: 我们一起学猫叫, notes: D#3 | E3 | E5 | G4 | C5 | E5 | E5, notes_duration: 0.407140 | 0.307140 | 0.307140 | 0.307140 | 0.307140 | 0.307140 | 0.307140 , input_type: word }, sample_num1, save_audioTrue, save_dir./outputs )这里推理的音频存储在outputs文件夹内。 结语 利用DiffSinger我们可以简单的将歌词和旋律通过代码转换为实体歌声但需要注意的是该项目只是输出了清唱部分真正的音乐作品还需要添加伴奏以及调音等操作欲知后事如何且听下回分解另外魔改版本的《学猫叫》已经上传到Youtube(B站)刘悦的技术博客欢迎品鉴。
http://www.yingshimen.cn/news/29160/

相关文章:

  • 网站开发培训网规范12388举报网站建设管理
  • 深圳 网站制作写着网站建设图片
  • 浙江省建设网站徐叨法嘉兴外贸网站建设
  • 网站建设 签约信息宁波网站制作计划
  • 做网站软件jwordpress简单个人主题
  • 网站域名改版怎么做盐城做网站公司
  • 聚美优品网站建设项目规划书零成本搭建自己的网站
  • 网站建设服务好wordpress胖子马
  • 学院网站建设项目概述商务网站推广技巧包括什么
  • 外贸推广网站邮箱收费长沙百度文化传播有限公司
  • 哪个网站建设平台支持花呗分期专业团队原图
  • 网上手机网站建设计划书免费建网站模板
  • 怎样创建购物网站ui设计是什么工作
  • 百度如何注册公司网站怎样做网站推广啊
  • 学做网站论坛vip共享网站描述
  • 那个网站的系统好企业网站优化兴田德润怎么样
  • 丰台深圳网站建设公司网站建设团队分工
  • 手机网站建设专业服务公司百度竞价一个月5000够吗
  • 然后做服装网站建设银行网站背景图片
  • 怎么给公司免费做网站有免费建站的网站吗
  • 彩网站开发浙江省网站重点学科建设
  • 建设网站教程2016企业小程序怎么申请注册
  • 如何编写网站手机网银怎么开通
  • php网站如何做多语言深圳企业网站制作制作
  • 常州网站建设维护太原心诺做网站
  • 东莞商城网站建设价格qq企业邮箱格式
  • 温州专业微网站制作网络公司东莞网络优化专业乐云seo
  • 怎么做企业网站仿站如何建立一个好的网站
  • 什么网站可以赚钱啊网站服务器共享的 vps
  • 公司的英文网站云南公司建网站多少钱