Audiocraft-webui 是一款本地網頁使用者介面，專為 Facebook 的 Audiocraft 模型設計。這款工具的最新版本提供了多項強大功能，讓使用者能夠創作長時間的音訊，並且可以隨心所欲地添加各種不同的提示到處理排程中。使用者可以在添加提示後悠閒地去喝杯咖啡，再回來就能享受生成的美妙音樂。Audiocraft-webui 還具備生成歷史功能，使用者可以回放先前生成的音樂並查看使用的設定。
如果想啟用 GPU 加速，並且尚未安裝 torch，請到 PyTorch 官方網站獲取安裝 GPU 版 torch 的正確指引，然後只需運行以下命令 pip install -r requirements.txt 安裝相關套件。若在安裝 audiocraft 時遇到問題，請參考其官方文件。安裝完成後，可以透過以下命令啟動應用程式：python webui.py。無需下載任何外部模型，首次運行時只需從下拉選單中選擇一個模型，然後點擊運行，模型將會自動透過 audiocraft 下載。如果你想使用旋律模式，選擇 Melody 模型後，介面會出現選擇旋律音訊文件的選項。生成的文件會儲存在 statc/audio/ 目錄中。預設情況下，當前使用的模型會保留在記憶體中。如果希望在每次生成後卸載模型，可以使用以下命令啟動應用程式：python webui.py --unload-after-gen。
Audiocraft-webui 提供了多種參數設置，讓使用者能夠微調生成音樂的效果：
Top-K：較高的 Top-K 值會增加可能的樂器和延續選項，與較高的溫度結合可以創作出更有趣的音樂，但可能會使音樂變得異常。建議與溫度設置結合使用。
Top-P：推薦值為 0.7，這表示我們從前 70% 的可能延續中進行取樣。較高的 Top-P 值會使音樂不那麼有趣和創意，還可能引入靜態和噪音。建議將其設置為 0.7，不需過多考慮。
Duration：生成音樂的長度，單位為秒。
CFG/Classifier Free Guidance：值越高，生成的音樂越能匹配提示內容。一般建議設置在 3-5 之間。
Temperature：隨機性程度，建議值為 1.05-1.5。若想創作混亂的音樂，應設置較高值；若想創作規則/重複的音樂（如俱樂部節拍），應設置較低值。
▲ 先到喜歡的目錄下 git clone https://github.com/CoffeeVampir3/audiocraft-webui.git，接著 cd audiocraft-webui，再來 pip install -r requirements.txt，這邊可能會遇到不少相依性問題，可能跟 Python、PyTorch 及 CUDA 版本都有關係，建議搭配 ChatGPT 及官方文件去排除相關問題，這邊我弄蠻久的，PyTorch 重裝好幾次，因為該指令會一直安裝 CPU 版的 PyTorch，導致我反覆安裝多次 GPU 版的 PyTorch，檢查 CUDA 支援度等，蠻大的坑。
▲ 輸入 python webui.py 啟動 UI，瀏覽器可以到 127.0.0.1:5000 操作 UI。
▲ Audiocraft-webui 介面長這樣，有模型選單、參數調整、提詞輸入區及送出按鈕，右側可以看到先前生成過的音樂及其使用參數。Audiocraft 生成的音樂目前聽起來比 Suno AI 差，目前感覺只能當作玩玩而已，不過能自由生成指定長度的音樂倒是真的蠻厲害的。
《上一篇》Whisper Desktop：離線 AI 語音辨識將 .mp3 音訊檔轉成 .srt 字幕檔，支援多國語言及翻譯 
《下一篇》升級 Ubuntu 版本教學 
留言區 / Comments
萌芽論壇