LibreAI / KI-Musik / HS-TasNet
// ai-music · lucidrains/HS-TasNet

HS-TasNet

HS-TasNet ist ein Open-Source-Projekt aus der Kategorie KI-Musik von lucidrains (lucidrains/HS-TasNet auf GitHub). Es hat 112 Sterne auf GitHub und 15 Forks, wird unter der Lizenz MIT veröffentlicht und wurde zuletzt am 25. August 2026 auf GitHub aktualisiert.

Real-time, low-latency music source separation in PyTorch.

💎 Geheimtipp★ 112 Sterne⑂ 15 ForksMITaktualisiert Aug 2026
▦ Visual — das README dieses Projekts enthält keinen einbettbaren Screenshot,
darum hier ein Platzhalter. Die Anleitung unten ist trotzdem vollständig.
// projektdaten

Projektdaten

GitHub-Sterne
112
Forks
15
Lizenz
MIT
Zuletzt auf GitHub aktualisiert
25. August 2026
Kategorie
KI-Musik
Eintragstyp
Geheimtipp — eine kürzere Seite für ein weniger bekanntes Projekt
Offizielle Website
GitHub
// so funktioniert es

So funktioniert es

  1. Clone the repo

    Get the implementation.

  2. Install PyTorch deps

    Set up the training environment.

  3. Prepare stems data

    Get separated-track training data.

  4. Train or infer

    Run separation on your mixes.

// funktionen

Warum es so beliebt ist

Source separation

Splits mixes into stems.

Real-time design

Low-latency architecture.

Paper implementation

Hybrid Spectrogram-TasNet in code.

PyTorch

Standard deep-learning stack.

Music focused

Tuned for musical sources.

MIT licensed

Free for research and products.

Advertisement
// selbst ausführen

Führe es selbst aus

  1. Step 1 — Clone the repo

    Download the source and enter the folder.

    git clone https://github.com/lucidrains/HS-TasNet.git
    cd HS-TasNet
  2. Step 2 — Install deps

    Set up the Python environment.

    pip install -r requirements.txt
  3. Step 3 — Run the model

    Follow the README training/inference commands.

    # see README for the exact training command
// anwendungsfälle

Was du damit bauen kannst

Advertisement
// häufige fragen

Häufige Fragen

What is HS-TasNet?

A PyTorch implementation of real-time music source separation, at lucidrains/HS-TasNet.

What does source separation mean?

Splitting a mixed track into vocals, drums, bass, and so on.

Is it really real-time?

The architecture targets low latency; actual speed depends on hardware.

Is it free?

Yes. MIT licensed.

Do I need training data?

Yes. Separated stems are needed to train; see the README.

// weiter entdecken

Ähnliche Tools

KI-Musik

instruct-MusicGen

Research code for instruction-based text-to-music editing of music models.

★ 111 SterneApache-2.0
Anleitung ansehen →
KI-Musik

minimaxmusic.cpp

Run the MiniMax Music 3 generator locally in C++.

★ 35 SterneMIT
Anleitung ansehen →
Audio

pyannote-audio

Neural building blocks for speaker diarization: speech activity detection, speaker change detection, overlapped speech detection, speaker embedding

★ 10,6 Tsd. SterneMIT
Anleitung ansehen →
KI-Musik

stemgen-rt

Run stemgen-rt locally: stemgenrt is a real-time low-latency music source separ.

★ 46 SterneMIT
Anleitung ansehen →
KI-Musik

moises-light

A resource-efficient music source separation model in PyTorch.

★ 36 SterneMIT
Anleitung ansehen →
KI-Musik

MSST-WebUI

A WebUI app for Music-Source-Separation-Training and we bundled UVR together!

★ 1,3 Tsd. SterneAGPL-3.0
Anleitung ansehen →
// alternativen

Alternativen im Bereich KI-Musik

Die anderen Projekte der Kategorie KI-Musik mit den meisten Sternen im LibreAI-Katalog — die realistische Auswahl, falls HS-TasNet nicht das Richtige ist.

// mehr in ai-music

Mehr in KI-Musik

Verwandte Projekte der Kategorie KI-Musik im Katalog, die HS-TasNet bei den Sternen am nächsten stehen — zum Weiterstöbern auf beiden Seiten.

Hol dir HS-TasNet

Kostenlos und offen — hol dir den Quellcode, gib dem Repository einen Stern und leg los.