প্রকল্প সম্পর্কে

AudioMuse-AI sonic fingerprinting ও AI মডেল ব্যবহার করে আপনার সঙ্গীত লাইব্রেরির প্রকৃত অডিও বিশ্লেষণ করে। এর সুবিধাগুলোর মধ্যে রয়েছে শব্দগতভাবে সদৃশ ট্র্যাকগুলোকে স্বয়ংক্রিয় ক্লাস্টারে সাজানো; “high-tempo, low-energy music”-এর মতো প্রাকৃতিক ভাষার বর্ণনা থেকে তাৎক্ষণিক প্লে-লিস্ট তৈরি; সংগ্রহের দৃশ্যমান 2D Music Map; দুটি ট্র্যাকের মধ্যে নির্বিঘ্নে সংযোগ স্থাপনকারী Song Paths; শ্রবণাভ্যাসের ভিত্তিতে Sonic Fingerprint প্লে-লিস্ট; ADD/SUBTRACT নিয়ন্ত্রণসহ ভাব বা vibe-ভিত্তিক বাছাইয়ের Song Alchemy; mood/instrument/genre অনুযায়ী টেক্সট সার্চ; 72টি ভাষায় lyrics search; এবং Search by Recording—20 সেকেন্ডের ক্লিপ থেকে গান শনাক্ত করা বা বিকল্প রেকর্ডিং খুঁজে পাওয়া। এটি একসঙ্গে একাধিক মিউজিক সার্ভার—Navidrome, Jellyfin, LMS, Lyrion, Emby ও Plex—সমর্থন করে এবং এর বিল্ট-ইন duplicate detection-এর ফলে প্রতিটি ট্র্যাক একবারই বিশ্লেষিত হয় এবং ফলাফল শেয়ার করা হয়। ডেপ্লয়মেন্ট বিকল্পগুলো হলো Docker Compose, Podman, Kubernetes (Helm chart পাওয়া যায়, AMD64/ARM64), macOS (Apple Silicon), Linux (x86_64/ARM64 .deb/.rpm) এবং Windows (x86_64)-এর জন্য নেটিভ অ্যাপ্লিকেশন। ন্যূনতম হার্ডওয়্যার: AVX2-সমর্থিত 4-কোর CPU (Intel 2015+ বা ARM), 8 GB RAM এবং NVMe SSD। দ্রুত বিশ্লেষণের জন্য GPU acceleration (NVIDIA, পরীক্ষামূলক ARM DGX Spark) ঐচ্ছিক। ব্রাউজারভিত্তিক Setup Wizard-এর মাধ্যমে কনফিগারেশন পরিচালনা করা হয়; PostgreSQL 15 প্রয়োজন। প্রকল্পটি কমিউনিটি-পরিচালিত এবং audiomuse.ai-এর সঙ্গে এর কোনো সম্পর্ক নেই।