文件名称：PedalNetRT:使用WaveNet和PyTorch进行实时吉他效果仿真的深度学习网络
文件大小：67.25MB
文件格式：ZIP
更新时间：2024-04-20 20:16:37
Python
脚踏网 PedalNet-RealTime训练吉他效果/放大器神经网络模型，以与SmartGuitarPedal，SmartGuitarAmp和WaveNetVA插件一起使用。 您可以使用此存储库训练模型，然后将其转换为可以加载到VST插件中的.json模型。 对建模失真样式效果或电子管放大器有效。 在进行模型训练和用法的视频演练 以下存储库与转换后的.json模型兼容，可与通过DAW插件或独立应用程序进行实时吉他演奏一起使用： 通过电子邮件将您最好的json模型发送到 ，它们可能会包含在下一个插件版本中。 信息 从重新创建模型 注意：该项目是原始的修改版本， 获得了模型，数据准备，训练和掠夺性脚本。 2020年9月25日 有关其工作原理的详细说明，请查看此 。 设置（本地） 笔记本中提供适用于Google Colab的Jupyter 使用pip软件包管理器安装 安装 创建并
【文件预览】：
PedalNetRT-master
----Dockerfile(119B)
----.gitignore(2KB)
----predict.py(2KB)
----README.md(7KB)
----requirements-dev.txt(14B)
----prepare.py(1KB)
----.github()
--------workflows()
----plot.py(5KB)
----test.py(1KB)
----docs()
--------Setup_for_model_training.odt(274KB)
--------Instructions_for_training_models.odt(23KB)
----train.py(2KB)
----.dockerignore(19B)
----models()
--------README.md(35B)
--------pedalnet()
----model.py(5KB)
----figures()
--------signal_chain_amp.png(31KB)
--------signal_chain_pedal.png(32KB)
--------example_plot.png(65KB)
----requirements.txt(83B)
----requirements-docker.txt(38B)
----export.py(5KB)
----LICENSE.txt(34KB)
----notebooks()
--------colab_GPU_playground.ipynb(15KB)
--------README.md(39B)
----pyproject.toml(257B)
----requirements-colab.txt(25B)
----data()
--------README.md(1KB)
--------ts9_test1_out_FP32.wav(31.41MB)
--------ts9_test1_in_FP32.wav(31.41MB)