basic-pitch

Basic Pitch是Spotify音频智能实验室开发的自动音乐转录（AMT）Python库。它使用轻量级神经网络将音频文件转换为MIDI，包括音高弯曲信息。该项目与乐器无关，支持复音转录，但最适合一次处理单一乐器。 该库可通过pip安装（`pip install basic-pitch`），并有一个配套的TypeScript仓库用于npm安装。它支持macOS、Windows和Ubuntu，Python版本为3.7至3.11。在Mac M1硬件上，目前仅支持Python 3.10。 Basic Pitch附带多种模型运行时选项：原始TensorFlow模型以及转换为CoreML、TensorFlowLite和ONNX的版本。默认情况下，它根据平台选择运行时——macOS上使用CoreML，Linux上使用TensorFlowLite，Windows上使用ONNX——除非使用Python 3.11+，否则不安装TensorFlow。用户可以通过`pip install basic-pitch[tf]`显式安装TensorFlow。 该库提供命令行界面和编程API。CLI接受输出目录和一个或多个输入音频路径，并可选择将MIDI的音频化版本保存为WAV、原始模型输出保存为NPZ、音符事件保存为CSV。编程API包括`predict()`用于返回模型输出、MIDI数据和音符事件，以及`predict_and_save()`用于协调输出生成。对于重复预测，用户可以加载模型一次并传递给`predict()`，以避免重复加载。 支持的音频格式包括mp3、ogg、wav、flac和m4a。立体声输入会下混为单声道，所有音频会重采样至22050 Hz。模型可以处理任意长度的音频，但非常大的文件可能受可用磁盘空间限制。 Basic Pitch随一篇研究论文发布，该论文在ICASSP 2022上展示，题为“A Lightweight Instrument-Agnostic Model for Polyphonic Note Transcription and Multipitch Estimation”。演示可在basicpitch.io获取，社区成员开发了名为NeuralNote的VST版本。该项目采用Apache 2.0许可证，欢迎贡献。