Skip to content

Latest commit

 

History

History
62 lines (49 loc) · 2.74 KB

README.md

File metadata and controls

62 lines (49 loc) · 2.74 KB
Raw

[DevCUP 2022] Intel DevCUP 2022

🎉 This work earn the 3-rd winner!

Trophy (Click to expand)

Team Name: CyberAudio

Team Members: Kelvin, Harry, Henry, Edward, Joe, Jonathan

Abstract : 本案採用 Music Source Separation(MSS) 與 Music Transcription(MT) 兩項技術分離 樂曲音源並生成樂譜，首先在 MSS 技術實作上，我們將樂曲透過短時距傅立葉變換 Short Time Fourier Transform ( 轉換至頻域並獲取完整音源訊號 ，藉由 MSS 模型推論，可獲得人聲 (Vocals)、貝斯 (Bass)、鼓 (Drums)，以及其他背景音源 (Others) 再 經由 iSTFT 轉回時域並獲得分離後的音源輸出；接著於 MT 的技術實作上， 接收音源分離後的音檔後，會先對音源進行常數 Q 轉換 (Constant Q Transform (CQT))，此轉換方式與常見的傅立葉轉換的主要差異在於頻率軸為對數標度 (log scale)，且窗口長度會隨著頻率而改變。而後再對齊和諧相關頻率 (harmonically related frequencies) 取得和諧頻率資訊。最後利用轉換過後的 2D 特徵，經 5 層卷積 神經網路取得 MIDI 音源輸出 。 使用 OpenVINO TM 的技術應用，可在短時間內迅速地 將任意一首歌曲分離出不同的音訊，並生成對應樂譜，提供使用者全方面的音樂學習 體驗。

1. Environment setting

  • For building environment, follow these instructions
(python 3.8 will occur dll missing problems)  
conda create -n openvino python=3.6
conda activate openvino
pip install openvino-dev[tensorflow2,onnx]
pip install -r requirements.txt
  • For installing
git clone https://github.com/FanChiMao/Competition-2022-OpenVINO-Devcup.git

2. Run inference

  • Make sure you have downloaded the pretrained onnx models in here

  • Just simply run:

    python run_convert.py --input_audio [audio file path] --type [separation type] --result_dir [saving result dictionary]

    For example:

    python openvino_inference.py --input_audio ./sample_audio/Faded.wav --type vocals --result_dir ./result

4. Reference

Contact

If you have any question, feel free to contact [email protected]