LibreAI / Musique IA / HS-TasNet
// ai-music · lucidrains/HS-TasNet

HS-TasNet

HS-TasNet est un projet de musique IA open source, créé par lucidrains (lucidrains/HS-TasNet sur GitHub). Il compte 112 étoiles sur GitHub et 15 forks, il est publié sous la licence MIT et a été mis à jour pour la dernière fois sur GitHub le 25 août 2026.

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

💎 Pépite cachée★ 112 étoiles⑂ 15 forksMITmis à jour août 2026
▦ visuel — le README de ce projet ne contient aucune capture intégrable,
voici donc un emplacement réservé. Le guide ci-dessous est complet malgré tout.
// détails du projet

Détails du projet

Étoiles GitHub
112
Forks
15
Licence
MIT
Dernière mise à jour sur GitHub
25 août 2026
Catégorie
Musique IA
Type de fiche
Pépite cachée — une page plus courte pour un projet moins connu
Site officiel
GitHub
// fonctionnement

Comment ça marche

  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.

// fonctionnalités

Pourquoi on l'adore

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
// lancez-le

Lancez-le vous-même

  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
// cas d'usage

Ce que vous pouvez créer

Advertisement
// faq

Questions fréquentes

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.

// continuez l'exploration

Outils similaires

Musique IA

instruct-MusicGen

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

★ 111 étoilesApache-2.0
Voir le guide →
Musique IA

minimaxmusic.cpp

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

★ 35 étoilesMIT
Voir le guide →
Audio

pyannote-audio

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

★ 10,6 k étoilesMIT
Voir le guide →
Musique IA

stemgen-rt

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

★ 46 étoilesMIT
Voir le guide →
Musique IA

moises-light

A resource-efficient music source separation model in PyTorch.

★ 36 étoilesMIT
Voir le guide →
Musique IA

MSST-WebUI

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

★ 1,3 k étoilesAGPL-3.0
Voir le guide →
// alternatives

Alternatives en Musique IA

Les autres projets de la catégorie Musique IA avec le plus d'étoiles du catalogue LibreAI — la sélection réaliste d'alternatives si HS-TasNet ne vous convient pas.

// plus en ai-music

Plus en Musique IA

Projets de la catégorie Musique IA proches dans le catalogue, les plus proches en étoiles de HS-TasNet — continuez à explorer de part et d'autre.

Obtenir HS-TasNet

Gratuit et ouvert : récupérez le code source, mettez une étoile au dépôt et commencez à créer.