AI在音乐领域的应用资料汇总

本文综述了计算音乐领域的十大音频任务,包括音乐分类、节拍跟踪、音乐生成和音轨分离等,通过深度学习技术提升音乐理解与创作能力。文章提供了多个开源项目链接,如transfer_learning_music、MultiFeatureBeatTracking和DeepConvSep,以及顶级期刊资源,帮助读者深入了解并实践音乐信息检索与深度学习的结合。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

计算音乐综述

计算音乐基础知识

10大音频任务

10大音频处理任务,助你开启深度学习之路

音乐分类

https://github.com/keunwoochoi/transfer_learning_music
http://www.kyunghyuncho.me/home/recent-news/bestpaperawardatismir2017
https://medium.com/@franky07724_57962/deep-learning-audio-classification-and-beyond-4d2533080a33

节拍跟踪

https://github.com/JoseRZapata/MultiFeatureBeatTracking
https://github.com/adamstark/BTrack

音乐生成

http://www.asimovinstitute.org/analyzing-deep-learning-tools-music/https://magenta.tensorflow.org/

音轨分离

https://github.com/MTG/DeepConvSep
https://github.com/andabi/music-source-separation

顶级期刊

https://github.com/slychief/ismir2018_tutorial

资料收集

https://github.com/ybayle/awesome-deep-learning-music

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

upDiff

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值