Link：polymath
Polymath利用機器學習將任何音樂庫（例如來自硬碟或YouTube）轉換為音樂製作樣本庫。該工具能自動將歌曲分割成節拍、貝斯等音軌部分，將它們量化到相同的速度和節拍格（例如120bpm），分析音樂結構（例如副歌、合唱等），關鍵（例如C4、E3等）和其他資訊（音色、響度等），並將音訊轉換為MIDI。結果是一個可搜尋的樣本庫，能簡化音樂製作人、DJ和ML音訊開發者的工作流程。
需求人群：
"音樂製作、DJ創作、音樂資料庫訓練"
使用場景示例：
使用Polymath將來自不同歌曲的元素組合，創作獨特的新作品。
使用Polymath的搜尋功能，為小時長混搭DJ表演快速發現相關曲目。
使用Polymath簡化建立大型音樂資料集的過程，用於訓練生成模型等。
產品特色：
音樂源分離使用Demucs神經網路
音樂結構分割/標記使用sf_segmenter神經網路
音樂音高跟蹤和鍵檢測使用Crepe神經網路
音樂轉MIDI使用基本音高神經網路
音樂量化和對齊使用pyrubberband
音樂資訊檢索和處理使用librosa