jacbz/Lofi
ML-supported lo-fi music generator
解決的問題
透過將和弦、旋律等音樂元素表示為可操作的數學向量，提供一種自動生成 lo-fi 音樂曲目的方法。
工作原理
本專案使用 PyTorch 建構的變分自編碼器（VAE）模型，並以 Spotify 與 Hooktheory 的資料集進行訓練。此模型將 lo-fi 音軌壓縮為一個包含 100 個特徵的向量。Flask 伺服器托管該模型，TypeScript 網頁客戶端使用 Tone.js 將這些特徵向量轉換回可聽的音樂。
適用對象
對 AI 生成音樂以及機器學習與音訊合成交叉領域感興趣的音樂人、開發者或愛好者。
主要亮點
- 使用 VAE 將音樂表示為 100 特徵向量。
- 集成 Tone.js 實現在瀏覽器中的即時音訊生成。
- 支援透過 Docker 進行自訂模型訓練與部署。
相關
- 專案
nasa-petal/bidaraBIDARA 是一個基於 GPT-4 的聊天機器人，可引導使用者完成生物模仿研究所的設計流程，協助定義問題、將問題轉化為生物學問題、發現自然模型、抽象策略，並模擬自然啟發的解決方案。它可作為 Discord 機器人、Web 應用，或 OpenAI Playground 的可重用系統提示運行。
- 專案
HangYu8123/HarnessFlowHarnessFlow 是一組可攜帶的 Markdown 指示檔案，可將 Claude Code、Codex CLI 或 GitHub Copilot 轉換為多階段、自我審查的編碼助手。它提供請求範本、平行分析代理、惡魔辯護挑戰、QA 驗證與持久化倉儲記憶。透過將該套件複製至倉儲的 `.github/HarnessFlow/` 目錄並執行提供的 `setup.sh` 或 `cli_setup.sh` 來安裝。選擇一個請求範本（程式碼、重構、除錯等），填寫後貼至助手。該套件支援三種工作流程模式——`general`、`fast` 和 `skill`，並報告基準測試成效（生成程式碼行數減少最多達 76%，同時保持 100% 正確性）。
- 專案
xpzouying/x-mcpX‑MCP 是一個 Chrome 擴展，讓 AI 代理（Claude、Codex 等）透過 Model Context Protocol（MCP）控制瀏覽器，於小紅書上建立並發布貼文。無需 Python/Docker 後端，僅需從 aredink.com 取得金鑰，即可讓非技術創作者輕鬆實現 AI 驅動的自動化。
- 專案
SynaLinks/synalinksSynalinks 是一個開源 Python 框架，讓你使用 Keras 風格的宣告式 API 組合、訓練與部署神經符號語言模型應用（RAG、代理、遞迴管道）。它提供沙箱代理、嵌入式圖/SQL 知識庫、上下文內強化學習優化提示，以及透過 LiteLLM 實現的輕鬆模型切換。該庫支援 FastAPI/FastMCP 部署、MLflow 可觀測性與超參數搜尋，針對 AI 開發者、研究人員、資料科學家與學習者。