LibreAI / Música con IA / HS-TasNet
// ai-music · lucidrains/HS-TasNet

HS-TasNet

HS-TasNet es un proyecto de música con IA de código abierto de lucidrains (lucidrains/HS-TasNet en GitHub). Tiene 112 estrellas en GitHub y 15 bifurcaciones, se publica bajo la licencia MIT y se actualizó por última vez en GitHub el 25 de agosto de 2026.

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

💎 Joya oculta★ 112 estrellas⑂ 15 bifurcacionesMITactualizado ago 2026
▦ visual: el README de este proyecto no incluye ninguna captura incrustable,
así que aquí va un marcador. La guía de abajo está completa de todos modos.
// datos del proyecto

Datos del proyecto

Estrellas en GitHub
112
Bifurcaciones
15
Licencia
MIT
Última actualización en GitHub
25 de agosto de 2026
Categoría
Música con IA
Tipo de ficha
Joya oculta: una página más breve para un proyecto menos conocido
Sitio oficial
GitHub
// cómo funciona

Cómo funciona

  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.

// características

Por qué gusta tanto

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
// ejecútalo

Ejecútalo tú mismo

  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
// casos de uso

Qué puedes crear

Advertisement
// preguntas frecuentes

Preguntas frecuentes

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.

// sigue explorando

Herramientas similares

Música con IA

instruct-MusicGen

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

★ 111 estrellasApache-2.0
Ver la guía →
Música con IA

minimaxmusic.cpp

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

★ 35 estrellasMIT
Ver la guía →
Audio

pyannote-audio

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

★ 10,6k estrellasMIT
Ver la guía →
Música con IA

stemgen-rt

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

★ 46 estrellasMIT
Ver la guía →
Música con IA

moises-light

A resource-efficient music source separation model in PyTorch.

★ 36 estrellasMIT
Ver la guía →
Música con IA

MSST-WebUI

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

★ 1,3k estrellasAGPL-3.0
Ver la guía →
// alternativas

Alternativas en Música con IA

Los demás proyectos de Música con IA con más estrellas del catálogo de LibreAI: la lista realista de alternativas si HS-TasNet no es lo que buscas.

// más en ai-music

Más en Música con IA

Proyectos de Música con IA cercanos en el catálogo, los más próximos en estrellas a HS-TasNet: sigue explorando a ambos lados.

Consigue HS-TasNet

Gratis y abierto: consigue el código fuente, dale una estrella al repositorio y empieza a crear.