أداة تعتمد على التعلم العميق لفصل المسارات الآلية والصوتية من الملفات الصوتية باستخدام PyTorch.
استخراج قنوات صوتية نقية من الملفات الصوتية باستخدام الشبكات العصبية مع دعم تدريب النماذج المخصصة.
vocal-remover هي أداة تعتمد على لغة Python ومصممة لمهندسي الصوت والباحثين الذين يحتاجون إلى عزل الأصوات عن الموسيقى. توفر واجهة سطر أوامر لمعالجة الملفات الصوتية باستخدام شبكات عصبية عميقة مدربة مسبقاً.
تستخدم الأداة نماذج التعلم العميق لإجراء فصل المصادر، وتخرج ملفات WAV مميزة للآلات والأصوات. تتضمن ميزات متقدمة مثل تحسين وقت الاختبار (TTA) ومعالجة لاحقة تجريبية لإخفاء الآلات الموسيقية بناءً على مستوى صوت الغناء.
تناسب محترفي الصوت والمطورين المعتادين على بيئات Python وعمليات سطر الأوامر. وهي غير مناسبة للمستخدمين الذين يحتاجون إلى واجهة مستخدم رسومية أو أولئك الذين ليس لديهم إمكانية الوصول إلى وحدة معالجة رسومات (GPU) لمعالجة أسرع.
تستخدم بنيات U-Net و DenseNet المتقدمة لعزل مصادر الصوت.
تتضمن وضع TTA اختياري لتحسين جودة مخرجات الفصل.
توفر خط أنابيب تدريب يسمح للمستخدمين بتدريب النماذج على مجموعات البيانات الخاصة بهم.
تتميز وظيفة إخفاء اختيارية لتحسين المسارات الآلية بناءً على مستويات الأصوات.
الأداة مجانية بموجب ترخيصها. التكلفة الوحيدة هي تشغيلها بنفسك على أجهزتك الخاصة، والتي تتطلب موارد حوسبة محلية كبيرة للتدريب.
876 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
نعم، يتضمن المستودع نص برمجي train.py يسمح لك بتدريب النماذج باستخدام الدليل الخاص بك لملفات الآلات والمزيج.
يمكن تشغيله على وحدة معالجة مركزية (CPU)، ولكن يوصى بشدة باستخدام وحدة معالجة رسومات (GPU) للحصول على سرعات معالجة معقولة، خاصة عند استخدام خيارات متقدمة مثل TTA.
شاهد Zekai أولاً في جوجل