azuwis/pianotrans

Simple GUI for ByteDance's Piano Transcription with Pedals

何を解決するか

音声または動画記録されたピアノ音楽を、ペダル情報を含むMIDIファイルに変換するByteDanceのピアノ音符推定システムの使いやすく、直感的なグラフィカルユーザーインターフェース（GUI）と簡素化されたインストールを提供します。

動作方法

このプロジェクトは、"High-resolution Piano Transcription with Pedals" というPyTorch実装のラッパーおよびパッケージングツールとして機能します。GUIまたはコマンドラインから音声または動画ファイルを選択し、その下にあるAIモデルを実行して、音符とペダル情報をMIDI形式に変換します。

対象ユーザー

Python環境やPyTorchの依存関係を手動で設定する必要なく、ピアノの録音をMIDIに変換したい音楽家、作曲家、オーディオエンジニア。

特徴

  • クロスプラットフォーム対応: Windows、Linux、macOSで利用可能。
  • インストールの簡素化: Windowsには事前パッケージ化されたバイナリを提供、Linux/macOSにはNixベースのインストールを提供。
  • バッチ処理: 複数ファイルを一度に選択して変換可能。
  • ハードウェアの柔軟性: 推論時に自動的にGPUを使用しますが、必要に応じてCPU専用モードも提供。

関連

  • プロジェクト
    espressif/esp-sr

    Espressifチップ向けの音声認識フレームワークで、オフラインでのウェイクワード検出、音声コマンド認識、および音声前処理を可能にします。

  • プロジェクト
    appleboy/CodeGPT

    CodeGPT は Go で作られた CLI で、LLM API（OpenAI、Azure、Gemini、Anthropic、Ollama、Groq、OpenRouter）を使用して、Conventional-Commit メッセージと簡潔なコードレビュー要約を自動生成します。Git `prepare-commit-msg` フックのインストール、カスタムプロンプト、言語翻訳、ストリーミング出力、柔軟な設定（APIキー、プロバイダー、プロキシ、差分コンテキストなど）をサポート。Homebrew、Chocolatey、スクリプト、バイナリ、または `go install` でインストール可能。

  • プロジェクト
    kyutai-labs/hibiki

    Hibikiは、ユーザーが話す途中で自然なターゲット音声とテキストをリアルタイムに生成するストリーミング音声-to音声翻訳モデルです。

  • プロジェクト
    alchaincyf/huashu-skills

    53のClaude互換性のある*エージェントスキル*（デザイン、データ、動画、執筆、キャラクター主導の推論など）のキュレートされたインデックス。インストール手順、更新チェッカー、機械可読なカタログを備え、カスタムコーディングなしでAIエージェントが具体的な生産性タスクを実行できるようにする。