RWKV-4-Music开源直链
模型下载
：
BlinkDL/rwkv-4-music · Hugging Face
Python代码：
https://github.com/BlinkDL/ChatRWKV/tree/main/music
训练MIDI数据集：
https://huggingface.co/datasets/breadlicker45/bread-midi-dataset
模型链接：
https://modelscope.cn/models/AI-ModelScope/rwkv-4-world/summary
https://modelscope.cn/models/AI-ModelScope/rwkv-4-music/summary
创空间体验链接：
https://modelscope.cn/studios/AI-ModelScope/RWKV-4-Music/summary
https://modelscope.cn/studios/BlinkDL/RWKV-CHN-PRO/summary
RWKV-4-Music模型推理
模型的推理过程分为两步:
1、使用RWKV-4-Music音乐生成模型, 以类似于
文本生成
的方式生成一长串编码着乐器, 音符, 时长等信息的字符串, 并将字符串保存入txt文件；
2、将txt文件转换wav文件：
-
首先将txt文件转成
midi格式文件
. midi格式是一种数字音乐标准, 是一种通用的音乐文件格式. midi格式文件并不包含声音文件本身, 而是包含一组描述如何播放声音的指令.
-
使用midi2audio的python包将midi格式转成wav格式.
当然推理的步骤可能略为繁琐, 我们也提供了创空间平台, 便于大家进行模型体验:
https://modelscope.cn/studios/AI-ModelScope/RWKV-4-Music/summary
以下推理所需的资料可以直接从创空间的git中方便的获取. 或者你也可以从下面提供的网址中进行下载.
请注意: 以下的推理运行需要
在
linux
系统环境下进行.
# 安装git, git-lfs. 这里提供两种方式
sudo apt install git git-lfs # 使用apt安装
# conda install git git-lfs -c conda-forge # 使用conda安装
git clone http://www.modelscope.cn/studios/AI-ModelScope/RWKV-4-Music.git
1. 生成txt文件
首先, 我们需要准备运行的环境
pip install rwkv tqdm mido midi2audio requests certifi -U
# 安装fluidsynth软件包, 在midi->wav的时候需要. 我们给出了两种安装方式.
sudo apt install fluidsynth # 使用apt安装
# conda install fluidsynth -c conda-forge # 使用conda安装
以下的推理代码参考了作者的github仓库：
https://github.com/BlinkDL/ChatRWKV/blob/main/music/run.py
相关包的导入
import os
import torch
from rwkv.model import RWKV
from rwkv.utils import PIPELINE
from tqdm import tqdm
from modelscope import snapshot_download
使用modelscope的snapshot_download函数下载模型, 并载入.
下载的文件夹中包含120M和560M的模型. 我们使用560M的模型.
model_dir = snapshot_download('AI-ModelScope/rwkv-4-music', revision='v1.0.1')
ckpt_120M_fname = "RWKV-4-MIDI-120M-v1-20230714-ctx4096.pth"
ckpt_560M_fname = "RWKV-4-MIDI-560M-v1-20230717-ctx4096.pth"
ckpt_fpath = os.path.join(model_dir, ckpt_560M_fname)
# tokenizer-midi.json文件下载路径: https://github.com/BlinkDL/ChatRWKV/blob/main/music/tokenizer-midi.json
tokenizer_fpath = "tokenizer-midi.json"
model = RWKV(model=ckpt_fpath, strategy='cuda fp32')
model.eval()
pipeline = PIPELINE(model, tokenizer_fpath)
定义一些参数
# e.g.
# input_text = 'v:5b:3 v:5b:2 t125 t125 t125 t106 pi:43:5 t24 pi:4a:7 t15 pi:4f:7 t17 pi:56:7 t18 pi:54:7 t125 t49 pi:51:7 t117 pi:4d:7 t125 t125 t111 pi:37:7 t14 pi:3e:6 t15 pi:43:6 t12 pi:4a:7 t17 pi:48:7 t125 t60 pi:45:7 t121 pi:41:7 t125 t117 s:46:5 s:52:5 f:46:5 f:52:5 t121 s:45:5 s:46:0 s:51:5 s:52:0 f:45:5 f:46:0 f:51:5 f:52:0 t121 s:41:5 s:45:0 s:4d:5 s:51:0 f:41:5 f:45:0 f:4d:5 f:51:0 t102 pi:37:0 pi:3e:0 pi:41:0 pi:43:0 pi:45:0 pi:48:0 pi:4a:0 pi:4d:0 pi:4f:0 pi:51:0 pi:54:0 pi:56:0 t19 s:3e:5 s:41:0 s:4a:5 s:4d:0 f:3e:5 f:41:0 f:4a:5 f:4d:0 t121 v:3a:5 t121 v:39:7 t15 v:3a:0 t106 v:35:8 t10 v:39:0 t111 v:30:8 v:35:0 t125 t117 v:32:8 t10 v:30:0 t125 t125 t103 v:5b:0 v:5b:0 t9 pi:4a:7'
input_text = ''
only_piano = False
max_length = 512
max_length = min(max_length, 4096)
temperature = 1
top_k = 8
top_p = 0.8
txt_fpath = 'midi.txt'
midi_fpath = 'midi_bin.midi'
wav_fpath = 'wav_bin.wav'
进行模型的推理和文本生成
input_text = input_text.strip()
input_text = f'<pad> {input_text}'
output_text = '<start>'
occurrence = {}
state = None
for i in tqdm(range(max_length)):
if i == 0:
out, state = model.forward(pipeline.encode(input_text), state)
else:
out, state = model.forward([token], state)
for n in occurrence:
out[n] -= (0 + occurrence[n] * 0.5)
out[0] += (i - 2000) / 500 # try not to be too short or too long
out[127] -= 1 # avoid "t125"
if only_piano:
out[128:12416] -= 1e10
out[13952:20096] -= 1e10
# find the best sampling for your taste
token = pipeline.sample_logits(
out, temperature=temperature, top_k=top_k, top_p=top_p)
if token == 0:
break
for n in occurrence:
occurrence[n] *= 0.997 # decay repetition penalty
if token >= 128 or token == 127:
occurrence[token] = 1 + \
(occurrence[token] if token in occurrence else 0)
else:
occurrence[token] = 0.3 + \
(occurrence[token] if token in occurrence else 0)
output_text += f" {pipeline.decode([token])}"
output_text += ' <end>'
将生成的文本写入txt文件
with open(txt_fpath, "w") as f:
f.write(output_text)
2. txt文件 -> wav文件
当然以下的步骤可能比较繁琐, 我们也可以使用创空间提供的txt -> wav的功能方便的进行格式转换.
https://modelscope.cn/studios/AI-ModelScope/RWKV-4-Music/summary
txt文件 -> midi文件
# midi_util文件下载: https://github.com/briansemrau/MIDI-LLM-tokenizer/blob/main/midi_util.py
# vocab_config文件下载: https://github.com/briansemrau/MIDI-LLM-tokenizer/blob/main/vocab_config.json
import midi_util
from midi_util import VocabConfig
def txt_to_midi(text_fpath: str, output_fpath: str):
vocab_config = "vocab_config.json"
cfg = VocabConfig.from_json(vocab_config)
with open(text_fpath, "r") as f:
text = f.read()
text = text.strip()
mid = midi_util.convert_str_to_midi(cfg, text)
mid.save(output_fpath)
txt_to_midi(txt_fpath, midi_fpath)
midi文件 -> wav文件
# 这里的.sf2文件下载路径: https://github.com/vyshor/MusicAids/blob/master/default_sound_font.sf2
from midi2audio import FluidSynth
def midi_to_wav(midi_path: str, wav_path: str) -> None:
# 设置音源，你需要下载一个.sf2文件，这是一个音源文件
fs = FluidSynth('default_sound_font.sf2')
fs.midi_to_audio(midi_path, wav_path)
midi_to_wav(midi_fpath, wav_fpath)
然后我们就获得了wav_bin.wav的音频文件, 听一下我们产生的音频啦！！！
效果展示
我们录制了一段魔搭创空间的创作效果，来感受一下AI作曲的创作能力叭！
（魔搭创空间操作指引，下方阅读原文可直达）
https://modelscope.cn/studios/AI-ModelScope/RWKV-4-Music/summary
原始input曲谱：
魔搭创空间推荐2组参数生成曲谱效果，看看大家喜欢哪组呢：
only piano:true，
max length:512，temperature:1，top_k:8，top_p:0.8
01:03
only piano:false，
max length:512，temperature:1，top_k:10，top_p:0.8
