// ai-music · lucidrains/HS-TasNet

HS-TasNet

HS-TasNet — проект с открытым исходным кодом из категории «Музыка с ИИ» от lucidrains (lucidrains/HS-TasNet на GitHub). У него 112 звёзд на GitHub и 15 форков, он распространяется по лицензии MIT и последний раз обновлялся на GitHub 25 августа 2026.

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

💎 Скрытая жемчужина★ 112 звёзд⑂ 15 форковMITобновлено авг. 2026
▦ визуал — в README этого проекта нет встраиваемого скриншота,
поэтому здесь заглушка. Руководство ниже в любом случае полное.
// факты о проекте

Факты о проекте

Репозиторий
lucidrains/HS-TasNet
Звёзды GitHub
112
Форки
15
Лицензия
MIT
Последнее обновление на GitHub
25 августа 2026
Категория
Музыка с ИИ
Тип страницы
Скрытая жемчужина — более короткая страница для менее известного проекта
Официальный сайт
GitHub
// как это работает

Как это работает

  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.

// возможности

Почему его любят

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
// запустите сами

Запустите сами

  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
// сценарии использования

Что можно создать

Advertisement
// вопросы и ответы

Вопросы и ответы

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.

// продолжить изучение

Похожие инструменты

Музыка с ИИ

instruct-MusicGen

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

★ 111 звёздApache-2.0
Смотреть руководство →
Музыка с ИИ

minimaxmusic.cpp

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

★ 35 звёздMIT
Смотреть руководство →
Аудио

pyannote-audio

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

★ 10,6 тыс. звёздMIT
Смотреть руководство →
Музыка с ИИ

stemgen-rt

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

★ 46 звёздMIT
Смотреть руководство →
Музыка с ИИ

moises-light

A resource-efficient music source separation model in PyTorch.

★ 36 звёздMIT
Смотреть руководство →
Музыка с ИИ

MSST-WebUI

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

★ 1,3 тыс. звёздAGPL-3.0
Смотреть руководство →
// альтернативы

Альтернативы: Музыка с ИИ

Другие проекты из категории «Музыка с ИИ» с наибольшим числом звёзд в каталоге LibreAI — реалистичный список альтернатив, если HS-TasNet вам не подходит.

// ещё в категории ai-music

Больше проектов: Музыка с ИИ

Соседние проекты из категории «Музыка с ИИ» в каталоге, ближайшие по числу звёзд к HS-TasNet — продолжайте изучать полку по обе стороны от него.

Получить HS-TasNet

Бесплатно и открыто — забирайте исходный код, ставьте звезду репозиторию и начинайте создавать.