LaunchpadGPT
1.0.0
このレポは、ICMC 2023によって受け入れられた論文用です：LaunchPadgpt：LaunchPadの音楽視覚化デザイナーとしての言語モデル
[here]からprompt-completionペアのデータprompt_completion.txtをダウンロードし、 ./data dataフォルダーに入れます。
生のテキストからintegerの1つの大きなストリームにprompt_completion.txtを回る：
python data/prompt_completion/prepare.pyこれにより、prompt_completionディレクトリにtrain.binとval.binが作成されます。
python train.py config/train_launchpad_gpt.pyこれは、128 DIMSの入力音楽（プロンプト）を備えたMFCC機能を考慮して、RGB-Xタプル（完了）の生成の例です。
python sample.py --out_dir=out-launchpad-gpt --start= ' {"prompt": [-29.44, 108.58, -15.65, 36.5, 2.3, 14.21, 4.92, 20.2, -2.59, 9.43, 10.56, 20.83, -0.24, 1.78, -12.75, 2.06, -4.75, 0.09, -4.64, -7.97, -0.51, -4.5, -3.58, -9.82, -1.73, 8.06, 1.05, -1.21, -1.25, -5.44, -9.97, -16.69, -5.6, 2.49, 0.04, 5.14, -0.37, -8.98, -5.22, -8.35, -14.0, 5.34, 3.24, -0.72, -4.3, -1.48, -3.27, 1.1, -2.93, -5.9, -3.68, 2.54, 5.99, 2.21, -6.68, 1.52, 0.23, 1.74, 1.14, -1.17, 1.01, -0.78, -5.34, -0.31, 1.09, 4.35, -0.25, -0.52, -0.14, -1.47, 9.78, 1.56, -1.56, 5.22, -1.96, -0.0, 1.63, 0.18, -0.63, 3.86, -1.81, 3.28, -0.89, 1.4, -0.75, -2.01, -0.78, 1.12, -0.02, 1.75, 0.24, -0.99, -1.75, 3.75, 1.06, 1.01, 2.99, 1.59, 3.54, -1.33, -3.71, 1.18, 1.11, -0.47, 0.76, -0.96, -1.03, 1.0, -0.48, -0.51, 0.9, 0.36, -0.4, 1.28, -0.78, 1.92, 0.57, 2.5, 1.79, 0.8, -0.5, -0.19, -2.1, -1.51, -0.57, -1.17, 0.08, 0.45], "completion": '生成されたLaunchPadは./outputs/sample_outs sample_outsにあります
infer.py 、検証データval_prompts.jsonを使用してLaunchPadsを生成できます。
python infer.py結果は./outputs/val_outsに保存されます
結果を評価するには、[こちら]から./outputsへの地上データgt_frameをダウンロードできます。
次に、スクリプトを実行してスコアを計算します。
python -m pytorch_fid outputs/gt_frames outputs/val_outs元のLaunchPadプレイビデオは[こちら]からダウンロードできます。
このプロジェクトは、Nanogpt、Midifoxに基づいています。著者の努力に感謝します。
調査に役立つ場合は、次の論文を引用してください。
@article { xu2023launchpadgpt ,
title = { Launchpadgpt: Language model as music visualization designer on launchpad } ,
author = { Xu, Siting and Tang, Yunlong and Zheng, Feng } ,
journal = { arXiv preprint arXiv:2307.04827 } ,
year = { 2023 }
}
