【文件属性】:
文件名称:Conditioned-Source-Separation-LaSAFT:本文的PyTorch实现
文件大小:105.67MB
文件格式:ZIP
更新时间:2021-05-03 14:13:32
pytorch source-separation pytorch-lightning musdb18 JupyterNotebook
LaSAFT:用于条件源分离的潜在源专心频率变换
在此上检查分离的样本!
论文“ LaSAFT:用于条件源分离的潜在源细心频率转换”的正式Pytorch实施(接受ICASSP2021。())
示范:预训练模型
互动演示
包括如何下载和使用预训练的模型
快速入门:如何使用预训练的模型
1.LaSAFT。
2.加载预训练的模型。
from lasaft . pretrained import PreTrainedLaSAFTNet
model = PreTrainedLaSAFTNet ( model_name = 'lasaft_large_2020' )
3.调用model.separate_track !
# audio should be an np(numpy) array of an stereo audio track
# with dtype of float32
#
【文件预览】:
Conditioned-Source-Separation-LaSAFT-main
----.gitignore(2KB)
----requirements.txt(4KB)
----LICENSE(1KB)
----README.md(7KB)
----colab_demo()
--------LaSAFT_with_GPoCM.ipynb(29.32MB)
--------LaSAFT_with_GPoCM_(large)_Stella_Jang_Example.ipynb(39.67MB)
--------LaSAFT_with_GPoCM_Feel_this_breeze.ipynb(43.31MB)
--------LaSAFT_with_GPoCM_Stella_Jang_Example.ipynb(43.32MB)
----dl_musdb18_samples.py(143B)
----main.py(2KB)
----lasaft()
--------data()
--------__init__.py(0B)
--------pretrained()
--------utils()
--------source_separation()