AI谱曲 | 基于RWKV的最佳开源AI作曲模型魔搭推理实践

本文涉及的产品
交互式建模 PAI-DSW,每月250计算时 3个月
模型训练 PAI-DLC,100CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: AI谱曲 | 基于RWKV的最佳开源AI作曲模型魔搭推理实践

RWKV-4-Music开源直链

模型下载

BlinkDL/rwkv-4-music · Hugging Face

Python代码:

https://github.com/BlinkDL/ChatRWKV/tree/main/music

训练MIDI数据集:

https://huggingface.co/datasets/breadlicker45/bread-midi-dataset

模型链接:

https://modelscope.cn/models/AI-ModelScope/rwkv-4-world/summary

https://modelscope.cn/models/AI-ModelScope/rwkv-4-music/summary

创空间体验链接:

https://modelscope.cn/studios/AI-ModelScope/RWKV-4-Music/summary

https://modelscope.cn/studios/BlinkDL/RWKV-CHN-PRO/summary

RWKV-4-Music模型推理

模型的推理过程分为两步:

1、使用RWKV-4-Music音乐生成模型, 以类似于文本生成的方式生成一长串编码着乐器, 音符, 时长等信息的字符串, 并将字符串保存入txt文件;

2、将txt文件转换wav文件:

  1. 首先将txt文件转成midi格式文件. midi格式是一种数字音乐标准, 是一种通用的音乐文件格式. midi格式文件并不包含声音文件本身, 而是包含一组描述如何播放声音的指令.

  1. 使用midi2audio的python包将midi格式转成wav格式.

当然推理的步骤可能略为繁琐, 我们也提供了创空间平台, 便于大家进行模型体验:

https://modelscope.cn/studios/AI-ModelScope/RWKV-4-Music/summary

以下推理所需的资料可以直接从创空间的git中方便的获取. 或者你也可以从下面提供的网址中进行下载.

请注意: 以下的推理运行需要linux系统环境下进行.

# 安装git, git-lfs. 这里提供两种方式
sudo apt install git git-lfs  # 使用apt安装
# conda install git git-lfs -c conda-forge  # 使用conda安装
git clone http://www.modelscope.cn/studios/AI-ModelScope/RWKV-4-Music.git

1. 生成txt文件

首先, 我们需要准备运行的环境

pip install rwkv tqdm mido midi2audio requests certifi -U
# 安装fluidsynth软件包, 在midi->wav的时候需要. 我们给出了两种安装方式. 
sudo apt install fluidsynth  # 使用apt安装
# conda install fluidsynth -c conda-forge  # 使用conda安装

以下的推理代码参考了作者的github仓库:

https://github.com/BlinkDL/ChatRWKV/blob/main/music/run.py

相关包的导入

import os
import torch
from rwkv.model import RWKV
from rwkv.utils import PIPELINE
from tqdm import tqdm
from modelscope import snapshot_download

使用modelscope的snapshot_download函数下载模型, 并载入.

下载的文件夹中包含120M和560M的模型. 我们使用560M的模型.

model_dir = snapshot_download('AI-ModelScope/rwkv-4-music', revision='v1.0.1')
ckpt_120M_fname = "RWKV-4-MIDI-120M-v1-20230714-ctx4096.pth"
ckpt_560M_fname = "RWKV-4-MIDI-560M-v1-20230717-ctx4096.pth"
ckpt_fpath = os.path.join(model_dir, ckpt_560M_fname)
# tokenizer-midi.json文件下载路径: https://github.com/BlinkDL/ChatRWKV/blob/main/music/tokenizer-midi.json
tokenizer_fpath = "tokenizer-midi.json"
model = RWKV(model=ckpt_fpath, strategy='cuda fp32')
model.eval()
pipeline = PIPELINE(model, tokenizer_fpath)

定义一些参数

# e.g. 
# input_text = 'v:5b:3 v:5b:2 t125 t125 t125 t106 pi:43:5 t24 pi:4a:7 t15 pi:4f:7 t17 pi:56:7 t18 pi:54:7 t125 t49 pi:51:7 t117 pi:4d:7 t125 t125 t111 pi:37:7 t14 pi:3e:6 t15 pi:43:6 t12 pi:4a:7 t17 pi:48:7 t125 t60 pi:45:7 t121 pi:41:7 t125 t117 s:46:5 s:52:5 f:46:5 f:52:5 t121 s:45:5 s:46:0 s:51:5 s:52:0 f:45:5 f:46:0 f:51:5 f:52:0 t121 s:41:5 s:45:0 s:4d:5 s:51:0 f:41:5 f:45:0 f:4d:5 f:51:0 t102 pi:37:0 pi:3e:0 pi:41:0 pi:43:0 pi:45:0 pi:48:0 pi:4a:0 pi:4d:0 pi:4f:0 pi:51:0 pi:54:0 pi:56:0 t19 s:3e:5 s:41:0 s:4a:5 s:4d:0 f:3e:5 f:41:0 f:4a:5 f:4d:0 t121 v:3a:5 t121 v:39:7 t15 v:3a:0 t106 v:35:8 t10 v:39:0 t111 v:30:8 v:35:0 t125 t117 v:32:8 t10 v:30:0 t125 t125 t103 v:5b:0 v:5b:0 t9 pi:4a:7'
input_text = ''
only_piano = False
max_length = 512
max_length = min(max_length, 4096)
temperature = 1
top_k = 8
top_p = 0.8
#
txt_fpath = 'midi.txt'
midi_fpath = 'midi_bin.midi'
wav_fpath = 'wav_bin.wav'

进行模型的推理和文本生成

input_text = input_text.strip()
input_text = f'<pad> {input_text}'
output_text = '<start>'
#
occurrence = {}
state = None
for i in tqdm(range(max_length)):
    if i == 0:
        out, state = model.forward(pipeline.encode(input_text), state)
    else:
        out, state = model.forward([token], state)
    #
    for n in occurrence:
        out[n] -= (0 + occurrence[n] * 0.5)
    out[0] += (i - 2000) / 500  # try not to be too short or too long
    out[127] -= 1  # avoid "t125"
    #
    if only_piano:
        out[128:12416] -= 1e10
        out[13952:20096] -= 1e10
    # find the best sampling for your taste
    token = pipeline.sample_logits(
        out, temperature=temperature, top_k=top_k, top_p=top_p)
    if token == 0:
        break
    for n in occurrence:
        occurrence[n] *= 0.997  # decay repetition penalty
    if token >= 128 or token == 127:
        occurrence[token] = 1 + \
            (occurrence[token] if token in occurrence else 0)
    else:
        occurrence[token] = 0.3 + \
            (occurrence[token] if token in occurrence else 0)
    output_text += f" {pipeline.decode([token])}"
output_text += ' <end>'

将生成的文本写入txt文件

with open(txt_fpath, "w") as f:
    f.write(output_text)

2. txt文件 -> wav文件

当然以下的步骤可能比较繁琐, 我们也可以使用创空间提供的txt -> wav的功能方便的进行格式转换.

https://modelscope.cn/studios/AI-ModelScope/RWKV-4-Music/summary

txt文件 -> midi文件

# midi_util文件下载: https://github.com/briansemrau/MIDI-LLM-tokenizer/blob/main/midi_util.py
# vocab_config文件下载: https://github.com/briansemrau/MIDI-LLM-tokenizer/blob/main/vocab_config.json
import midi_util
from midi_util import VocabConfig
def txt_to_midi(text_fpath: str, output_fpath: str):
    vocab_config = "vocab_config.json"
    cfg = VocabConfig.from_json(vocab_config)
    with open(text_fpath, "r") as f:
        text = f.read()
    text = text.strip()
    mid = midi_util.convert_str_to_midi(cfg, text)
    mid.save(output_fpath)
txt_to_midi(txt_fpath, midi_fpath)

midi文件 -> wav文件

# 这里的.sf2文件下载路径: https://github.com/vyshor/MusicAids/blob/master/default_sound_font.sf2
from midi2audio import FluidSynth
def midi_to_wav(midi_path: str, wav_path: str) -> None:
    # 设置音源,你需要下载一个.sf2文件,这是一个音源文件
    fs = FluidSynth('default_sound_font.sf2')
    fs.midi_to_audio(midi_path, wav_path)
midi_to_wav(midi_fpath, wav_fpath)

然后我们就获得了wav_bin.wav的音频文件, 听一下我们产生的音频啦!!!

效果展示

我们录制了一段魔搭创空间的创作效果,来感受一下AI作曲的创作能力叭!


image.png

(魔搭创空间操作指引,下方阅读原文可直达)

https://modelscope.cn/studios/AI-ModelScope/RWKV-4-Music/summary

原始input曲谱:

image.png

魔搭创空间推荐2组参数生成曲谱效果,看看大家喜欢哪组呢:

only piano:true,max length:512,temperature:1,top_k:8,top_p:0.8

image.png

01:03

only piano:false,max length:512,temperature:1,top_k:10,top_p:0.8

image.png

相关文章
|
3天前
|
人工智能 开发框架 安全
Smolagents:三行代码就能开发 AI 智能体,Hugging Face 开源轻量级 Agent 构建库
Smolagents 是 Hugging Face 推出的轻量级开源库,旨在简化智能代理的构建过程,支持多种大语言模型集成和代码执行代理功能。
143 68
Smolagents:三行代码就能开发 AI 智能体,Hugging Face 开源轻量级 Agent 构建库
|
1天前
|
机器学习/深度学习 人工智能 编解码
Inf-DiT:清华联合智谱AI推出超高分辨率图像生成模型,生成的空间复杂度从 O(N^2) 降低到 O(N)
Inf-DiT 是清华大学与智谱AI联合推出的基于扩散模型的图像上采样方法,能够生成超高分辨率图像,突破传统扩散模型的内存限制,适用于多种实际应用场景。
36 21
Inf-DiT:清华联合智谱AI推出超高分辨率图像生成模型,生成的空间复杂度从 O(N^2) 降低到 O(N)
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AigcPanel:开源的 AI 虚拟数字人系统,一键安装开箱即用,支持视频合成、声音合成和声音克隆
AigcPanel 是一款开源的 AI 虚拟数字人系统,支持视频合成、声音克隆等功能,适用于影视制作、虚拟主播、教育培训等多种场景。
55 12
AigcPanel:开源的 AI 虚拟数字人系统,一键安装开箱即用,支持视频合成、声音合成和声音克隆
|
3天前
|
人工智能 搜索推荐
SoulChat2.0:低成本构建 AI 心理咨询师,华南理工开源心理咨询师数字孪生大语言模型
SoulChat2.0 是华南理工大学推出的心理咨询师数字孪生大语言模型,能够低成本、快速构建个性化咨询风格的心理健康大模型,辅助心理咨询师工作。
33 9
SoulChat2.0:低成本构建 AI 心理咨询师,华南理工开源心理咨询师数字孪生大语言模型
|
3天前
|
人工智能 Python
ImBD:复旦联合华南理工推出 AI 内容检测模型,快速辨别文本内容是否为 AI 生成
ImBD是一款由复旦大学、华南理工大学等机构联合推出的AI内容检测器,能够快速识别机器修订文本,适用于多种场景,显著提升检测性能。
25 8
ImBD:复旦联合华南理工推出 AI 内容检测模型,快速辨别文本内容是否为 AI 生成
|
4天前
|
人工智能 物联网
AI电影从这个LoRA开始:魔搭AIGC1月赛题公布&12月赛题获奖作品新鲜出炉
魔搭社区LoRA创意挑战赛月度赛第三期来啦! 1月赛题揭晓:电影风格模型训练大赛
|
1天前
|
人工智能 自然语言处理 Java
Spring Cloud Alibaba AI 入门与实践
本文将介绍 Spring Cloud Alibaba AI 的基本概念、主要特性和功能,并演示如何完成一个在线聊天和在线画图的 AI 应用。
49 7
|
1天前
|
人工智能 物联网
如何将Together AI上基于Qwen2-7B训练的模型部署到ModelScope平台
如何将Together AI上基于Qwen2-7B训练的模型部署到ModelScope平台
27 10
|
4天前
|
数据采集 人工智能 运维
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
本文介绍了阿里云 Elasticsearch 推出的创新型 AI 搜索方案。
|
4天前
|
人工智能 容灾 Serverless
AI推理新纪元,PAI全球化模型推理服务的创新与实践
本次分享主题为“AI推理新纪元,PAI全球化模型推理服务的创新与实践”,由阿里云高级产品经理李林杨主讲。内容涵盖生成式AI时代推理服务的变化与挑战、play IM核心引擎的优势及ES专属网关的应用。通过LM智能路由、多模态异步生成等技术,PAI平台实现了30%以上的成本降低和显著性能提升,确保全球客户的业务稳定运行并支持异地容灾,目前已覆盖16个地域,拥有10万张显卡的推理集群。

热门文章

最新文章