Token导航 LogoToken导航TokenDH.com
Genspark Langchain MCP Adapters logo
音视频stdio官方级别未说明来源级核验

Genspark Langchain MCP Adapters

MCP Server

一个用于识别和分析泰国伊桑传统乐器phin和khaen演奏风格的结构化数据集和机器学习管道。

工具数

0

提示词数

0

GitHub Stars

0

资源数

0
Python机器学习语音音频

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

kritsxxxiva-sudo

提供方

kritsxxxiva-sudo

最后核验

2026/5/17 20:23

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python -m venv venv

详细介绍

Isan传统音乐数据集

Phin和Khaen演奏风格的人工智能识别系统

🎵 概述

该项目提供了一个结构化的、符合道德规范的数据集和ML管道,用于训练AI模型来识别和分析两种传统Isan乐器的演奏风格:

  • Phin(竖琴):泰国东北部的三弦琵琶
  • 可汗(可汗):老挝民族乐器竹嘴风琴

🎯 主要特点

道德合规:完全同意、文化归属、尊重数据处理\ 🎼 综合特征提取:MFCC、色度、光谱、时间和音调特征\ 🏗️ 结构化数据集:按乐器和演奏技巧组织\ 🤖 ML管道:完成培训和评估工作流程\ 📊 详细元数据:文化背景、表演者信息、技术规格\ 📚 文档:完全可重复性和透明度

📁 项目结构

isan-traditional-music-dataset/
├── data/
│   ├── raw/                    # Raw audio recordings
│   ├── processed/              # Preprocessed audio files
│   └── metadata/               # Dataset metadata and annotations
├── src/
│   ├── feature_extraction/   # Audio feature extraction modules
│   ├── models/                 # ML model implementations
│   └── utils/                  # Utility functions
├── notebooks/                  # Jupyter notebooks for analysis
├── tests/                      # Unit tests
├── docs/                       # Documentation
├── scripts/                    # Utility scripts
├── requirements.txt             # Python dependencies
└── setup.py                   # Package setup

🎼 数据集描述

仪器

  • Phin(竖琴):具有独特演奏技巧的传统伊桑鲁特琴
  • 可汗(可汗):具有独特音色的传统竹制口琴

特性

  • 时间特征:持续时间、攻击时间、衰减特性
  • 光谱特征:光谱质心、滚降、带宽、通量
  • MFCC:梅尔频率倒谱系数
  • 色度特征:谐波含量分析
  • 音高特征:基频跟踪
  • 节奏特征:节奏、节拍模式

🚀 安装

# Clone the repository
git clone https://github.com/your-username/isan-traditional-music-dataset.git
cd isan-traditional-music-dataset

# Create virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install -r requirements.txt

📊 用法

数据预处理

from src.feature_extraction.audio_processor import AudioProcessor

processor = AudioProcessor()
features = processor.extract_features(audio_file_path)

模型训练

from src.models.classifier import TraditionalMusicClassifier

classifier = TraditionalMusicClassifier()
classifier.train(training_data, labels)
predictions = classifier.predict(test_data)

特征分析

from src.utils.visualization import FeatureVisualizer

visualizer = FeatureVisualizer()
visualizer.plot_feature_comparison(features, labels)

🎭 伦理考量

该项目严格遵守文化遗产保护的道德准则:

  1. 知情同意:所有表演者均已明确同意
  2. 文化归因:正确承认文化起源
  3. 尊重使用:数据仅用于教育和保存目的
  4. 社区福利:旨在造福当地社区
  5. 透明度:开放数据收集和使用方法

📈 模型性能

经过训练的模型实现了:

  • Phin识别:XX%准确度
  • 凯恩认可:XX%准确度
  • 演奏风格分类:XX%准确度

🛠️ 发展

运行测试

python -m pytest tests/

贡献

  1. 复刻仓库
  2. 创建要素分支
  3. 进行更改
  4. 添加测试
  5. 提交拉取请求

📚 文档

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

  • Isan音乐家和文化从业者
  • 泰国东北部的当地社区
  • 文化遗产保护组织
  • 支持传统音乐研究的学术机构

📞 联系

有关此项目的问题,请联系:\[your-email@example.com\]

📖 引用

如果您在研究中使用此数据集或代码,请引用:

@dataset{isan_traditional_music_2024,
  title={Isan Traditional Music Dataset: AI Recognition for Phin and Khaen Playing Styles},
  author={[Author Names]},
  year={2024},
  publisher={[Institution]},
  url={[URL]}
}

目录标签

目录标签

Python机器学习语音音频音乐识别本地部署文化保护音频处理传统乐器

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP