প্রকল্প সম্পর্কে

NeuralNote একটি উন্নত অডিও প্লাগইন (VST3/AU/Standalone) যা ডিজিটাল অডিও ওয়ার্কস্টেশন (DAWs)-এর জন্য ডিজাইন করা হয়েছে এবং ডিপ লার্নিং ব্যবহার করে অত্যাধুনিক অডিও-থেকে-MIDI ট্রান্সক্রিপশন সম্পাদন করে। এটি MuScriptor মডেল (Kyutai এবং Mirelo থেকে) ব্যবহার করে, যা একটি C++/ggml ইঞ্জিনে (`muscriptor.cpp`) পোর্ট করা হয়েছে, যার ফলে macOS এবং Windows-এ সম্পূর্ণ লোকাল, গোপনীয়তা-সংরক্ষণকারী ট্রান্সক্রিপশন সম্ভব হয় (Linux সমর্থন আসছে)। মূল বৈশিষ্ট্য: - মাল্টি-ইনস্ট্রুমেন্ট ট্রান্সক্রিপশন: সম্পূর্ণ মিউজিক্যাল মিক্স ট্রান্সক্রিপ্ট করুন যেখানে নোটগুলো যন্ত্র অনুযায়ী গ্রুপ করা থাকে, অথবা স্বয়ংক্রিয় যন্ত্র সনাক্তকরণ ব্যবহার করুন। - সম্পূর্ণ লোকাল প্রসেসিং: সমস্ত অডিও প্রসেসিং আপনার মেশিনে চলে; অডিও কখনো আপনার ডিভাইস ছেড়ে যায় না। - মডেল বিকল্প: তিনটি সাইজে (ছোট, মাঝারি, বড়) আসে যা মানের বিনিময়ে গতি প্রদান করে। মডেলগুলো Hugging Face থেকে GGUF ফাইল হিসেবে ডাউনলোড করা হয়। - লাইভ ও ফাইল রেকর্ডিং: লাইভ রেকর্ড করুন বা অডিও ফাইল (WAV, AIFF, FLAC, MP3, OGG) সরাসরি প্লাগইনে ড্রপ করুন। - ব্যাকগ্রাউন্ড ট্রান্সক্রিপশন ও প্রিভিউ: ব্যাকগ্রাউন্ডে ট্রান্সক্রিপ্ট করে এবং ডিকোড করা MIDI রিয়েল-টাইমে প্রিভিউ করতে দেয়। ফলস্বরূপ MIDI একটি ট্র্যাকে ড্র্যাগ-এন্ড-ড্রপ করুন বা সরাসরি সংরক্ষণ করুন। সোর্স থেকে বিল্ড: NeuralNote v2 বর্তমানে কাজ চলছে এবং সোর্স থেকে বিল্ড করা প্রয়োজন। প্রয়োজনীয়তা: git, CMake, Python 3, এবং একটি C++23 কম্পাইলার (Clang পছন্দনীয়)। Windows GPU সমর্থনের জন্য বিল্ড সময়ে Vulkan SDK প্রয়োজন, যখন macOS GPU ত্বরণ Metal ব্যবহার করে। লাইসেন্স: সোর্স কোড Apache-2.0 লাইসেন্সের অধীনে প্রকাশিত, যখন অন্তর্নিহিত MuScriptor মডেল ওজন CC BY-NC 4.0 (শুধুমাত্র অ-বাণিজ্যিক ব্যবহার) এর অধীনে প্রকাশিত।