/ Модель

Характеристики

Лицензия
MIT
Библиотека
livesynth
Опубликована
29 сен 2026

LiveSynth

Генерация аудиоТекст → аудио

LiveSynth — потоковый нейросинтезатор для создания музыки по MIDI и текстовому описанию с возможностью переноса тембра инструмента по аудиореференсу.

26скачиваний за 30 дней0лайковвеса обновлены1 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LiveSynth — модель Kyungsu Kim, Yejin Kim и Kyogu Lee из Сеульского национального университета для потокового нейросинтеза музыки, клонирования тембра инструмента и преобразования текста в звучание инструмента. Для работы используются веса из этого репозитория и пакет Python livesynth; тембр можно задать аудиозаписью, а музыкальное содержание — MIDI-файлом. В карточке Hugging Face основная задача обозначена как text-to-audio.

Генератор содержит 190 млн параметров и построен на авторегрессионном причинном Transformer без обратной связи; декодер — причинный Vocos-декодер латентного пространства VAE-кодека. Для кодирования тембра отдельно загружается публичный чекпойнт LAION-CLAP. Веса опубликованы под лицензией MIT. Карточка не сообщает поддерживаемые естественные языки, длину контекста и количественные оценки качества.

Сценарии применения

  • синтез аудио по MIDI-файлу с заданным тембром
  • клонирование тембра музыкального инструмента по аудиозаписи
  • создание звучания инструмента по текстовому описанию
  • потоковый синтез музыкальных партий

Ограничения

Для кодирования тембра требуется отдельно загружаемый чекпойнт LAION-CLAP. Карточка не приводит оценок качества и перечня поддерживаемых языков.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LiveSynth

Weights for LiveSynth: A Streaming Neural Synthesizer for Instrument Cloning and Text-to-Instrument (Kyungsu Kim, Yejin Kim, Kyogu Lee, Seoul National University). Use them with the livesynth Python package, which downloads this repository automatically:

from livesynth import LiveSynth
synth = LiveSynth.from_pretrained()          # repo_id="KyungsuKim/LiveSynth"
audio = synth.render("song.mid", synth.embed_audio("reference.wav"))
FileContents
generator.safetensors190 M-parameter feedback-free causal Transformer (Linear weights bf16, embeddings and norms fp32)
decoder.safetensorsCausal Vocos latent decoder of the VAE codec (fp32) and latent standardisation statistics
text_align.safetensorsOptional orthogonal Procrustes map (512 x 512) toward the audio embeddings the model was trained on (embed_text(..., align="procrustes"); the default uses the raw text embedding)
presets.safetensorsCLAP timbre embeddings of 53 held-out NSynth instruments (names in config.json); each is the embedding of one reference recording in references/
references/*.flacThe 10-s reference recordings behind the presets (NSynth notes, 48 kHz), fetched on demand by synth.preset_audio(name)
config.jsonModel hyper-parameters and provenance

The timbre encoder is the public LAION-CLAP checkpoint lukewys/laion_clap/music_audioset_epoch_15_esc_90.14.pt, downloaded separately.

The weights are released under the MIT License, like the code.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · livesynth

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
6b518eb

0 моделей