منصوبے کے بارے میں

ساؤنڈ کینوس اسٹوڈیو ایک ریپوزٹری ہے جو اگلی نسل کے ڈیجیٹل آڈیو ورک اسٹیشن (DAW) کی تعمیر کے لیے بنیاد فراہم کرتی ہے، جو ان تخلیق کاروں کے لیے ہے جو پیشہ ورانہ موسیقی کی تیاری کی صلاحیتوں کو مشکل سیکھنے کے بغیر حاصل کرنا چاہتے ہیں۔ یہ پروجیکٹ ایک ذہین کمپوزیشن ماحول پر زور دیتا ہے جو صارف کے ورک فلو کے مطابق ڈھل جاتا ہے، اور خود کو روایتی DAW کے بجائے "موسیقی سوچ کا ساتھی" کے طور پر پیش کرتا ہے۔ README میں بیان کردہ اہم خصوصیات میں شامل ہیں: - **ذہین آلہ انجن**: پانچ پیشہ ورانہ طور پر نمونہ شدہ آلات جن میں رفتار کی تہیں اور ادائیگی کے کنٹرول ہیں، پہلے سے ترتیب شدہ لیکن حسب ضرورت۔ - **متحرک لوپ میٹرکس**: 8,000 عناصر پر مشتمل رائلٹی فری لوپ لائبریری جس میں موافق ٹیگنگ، خودکار ٹیمپو میپنگ، اور کلید اور موڈ کے تجزیے کی بنیاد پر تکمیلی تہوں کی تجاویز شامل ہیں۔ - **AI میلوڈی اسسٹنٹ**: موجودہ ان پٹ کا تجزیہ کرتا ہے اور اسلوبی طور پر ہم آہنگ تسلسل اور تغیرات تجویز کرتا ہے، وقت کے ساتھ ترجیحات سیکھتا ہے لیکن ذاتی کارکردگی کا ڈیٹا محفوظ نہیں کرتا۔ - **ایک کلک پروجیکٹ اسمبلی**: صنف، ٹیمپو، اور پیچیدگی کے انتخاب کی بنیاد پر مکمل ترتیبات (تعارف، بند، کورس، پل، اختتام) تیار کرتا ہے۔ - **کثیر لسانی انٹرفیس**: 27 زبانوں کی معاونت کرتا ہے، بشمول دو طرفہ اور دائیں سے بائیں متن، اور علاقائی موسیقی کے اشارے کے رواج۔ - **ذمہ دار ورک اسپیس لے آؤٹ**: موبائل سنگل پینل اور ملٹی مانیٹر اسٹوڈیو سیٹ اپس کے درمیان خودکار طور پر دوبارہ ترتیب دیتا ہے۔ ریپوزٹری کی ساخت میں بنیادی آڈیو پروسیسنگ انجن، آلہ پریسیٹس، لوپ میٹا ڈیٹا، AI اسسٹنٹ، کراس پلیٹ فارم UI اجزاء، لوکلائزیشن، دستاویزات، اور ٹیسٹس کے لیے ڈائریکٹریز شامل ہیں۔ درج سسٹم کی ضروریات میں Windows 10/11، macOS 13+، یا Linux (Ubuntu 22.04+، Fedora 38+) شامل ہیں، کم از کم 8 GB RAM اور بنیادی تنصیب کے لیے 4 GB اسٹوریج (مکمل لوپ لائبریری کے لیے اضافی 20 GB)۔ README میں ورک فلو کے موضوعات بھی شامل ہیں جیسے لوپ میٹرکس کے ساتھ کمپوز کرنا، ریئل ٹائم کوانٹائز کے ساتھ لائیو ان پٹ ریکارڈ کرنا، ترتیب کی تبدیلیوں کے لیے AI اسسٹنٹ کا استعمال، اور چینل اسٹرپ ایمولیشن اور براڈکاسٹ معیاری بلندی پیمائش کے ساتھ مکسنگ/ماسٹرنگ۔ ڈویلپرز کے لیے توسیعی نکات میں حسب ضرورت آلہ کی تعریفیں (JSON اسکیما)، Python پر مبنی لوپ میٹا ڈیٹا ٹیگنگ اسکرپٹس، AI ماڈل فائن ٹیوننگ دستاویزات، اور QSS اسٹائل شیٹس اور SVG اثاثوں کے ذریعے انٹرفیس اسکننگ شامل ہیں۔ یہ پروجیکٹ MIT لائسنس کے تحت جاری کیا گیا ہے۔ ایک دستبرداری نوٹ کرتی ہے کہ AI اسسٹنٹ شماریاتی نمونوں کی بنیاد پر تجاویز تیار کرتا ہے اور تمام سیاق و سباق میں موسیقی کے معیار کی ضمانت نہیں دیتا، اور یہ کہ سافٹ ویئر کو آزادانہ تصدیق کے بغیر اہم پیشہ ورانہ مکسنگ یا ماسٹرنگ کے فیصلوں کی واحد بنیاد کے طور پر استعمال نہیں کیا جانا چاہیے۔