tools

utility software

Creare un mp3 da MIDI con OpenAI Musenet

musenet

Musenet permette molto semplicemente di caricare un file midi e trasformarlo nella sua versione acustica facendo uso di strumenti campionati con cura (soudfont). Il tutto compilando un semplice form.

Ma c'è molto di più: nella modalità semplice (mostrata di default), si possono ascoltare poche battute pre-generate. Si può scegliere un compositore o uno stile, un inizio opzionale di un pezzo famoso e iniziare a generare il resto del brano. Questo permette di esplorare la varietà di stili musicali che il modello può creare.

Nella modalità avanzata è possibile interagire direttamente con il modello. Le integrazioni richiederanno più tempo, ma si creerà un pezzo completamente nuovo.

magenta

magenta music-transformer

[via]

La Versione Karaoke di una Canzone

categorie

madreblu karaoke
Su edityouraudio.com il machine learning è in grado di separare la parte vocale da quella strumentale, partendo da un semplice link a youtube. Entrambi i file si possono scaricare.

Questo approccio è molto più efficace delle elaborazioni che si applicavano con goldwave o audacity sulle frequenze vocali per isolarle, e danno risultati di qualità superiore, che ad un primo ascolto rasentano la perfezione. Nella parte vocale vengono addirittura preservati i filtri, che sono riconoscibili nel brano solo dalle orecchie più allenate.

E potrebbe mancare il colab ? Assolutamente no: Song Spleeter Colab con il relativo codice spleeter @ github e il paper.


FastAPI e Rust

fastapi
FastAPI è una delle tecnologie più immediate per creare delle API. Ecco alcune delle feature:

- Documentazione automatica tramite OpenAPI, che permette di fare cose come generare codice Python che sappia parlare con le API.
- Documentazione sull'interfaccia utente che permette di comprendere facilmente e interagire direttamente con l'API.
- Validazione degli input tramite Pydantic, lo stesso strumento usato per generare gli schemi nella documentazione. Fondamentalmente basta annotare il vostro endpoint con gli input/output e questi vengono documentati e validati.
- Facile da testare usando qualcosa come pytest grazie ad alcuni fantastici strumenti inclusi e alla flessibilità dell'iniezione di dipendenza.
- La fantastica documentazione di FastAPI, alcuni dei migliori in giro, dà accesso ad alcune delle feature migliori.
- Facile da ospitare su AWS Lambda usando Mangum.

Ma qualcuno ha deciso di reimplementare il tutto in Rust

[via]

Intro to FastAPI - The Best Way to Create APIs in Python?

Learning FastAPI

Unity Barracuda - La libreria per eseguire qualsiasi rete neurale in locale

Unity Barracuda Waifu2x


Keijiro Takahashi (github, twitter), che lavora per Unity Technologies Japan, ha appena pubblicato un fantastico esempio di utilizzo di unity per fare upscaling di immagini con l'ausilio del machine learning. Si tratta di Waifu 2x, che era già disponibile online. Ma ora, grazie alla sua implementazione per unity, può essere eseguito in locale sul proprio computer. Basta un minimo di dimestichezza. Si inserisce una immagine intorno ai 300x300 pixel nella directory degli asset (/Assets/Test/), si modifica il riferimento "Source" del Tester in scena e si lancia unity. La CPU sale immediatamente di giri per eseguire il calcolo dell'upscaling e l'originale e la nuova immagine compaiono entro pochissimi secondi a video.

Viene usato Barracuda, la libreria di unity per il supporto di reti neurali. Ora grazie a questo esempio diventa molto più facile riuscire ad eseguire qualsiasi rete neurale sul proprio PC !

Si esporta la rete neurale originale dal suo framework Pytorch, TensorFlow o Keras nel formato standard ONNX.
Si aggiunge il file .onnx al progetto: questo si comporta come una normale risorsa.
Si carica il modello dall'asset.
Si crea il motore di inferenza (il worker).
Si esegue il modello e si recuperano i risultati.


The Tour Episode 7 | Unity Barracuda Tools | Unity Student Ambassador

Pyxel - The Python Retro Console

pyxel
Pyxel è un engine retro console 8-bit come Pico-8 per python. Solo 16 colori e 4 canali con 64 suoni definibili, per Win, Mac e Linux, il codice della cartuccia si scrive in python, legge come input keyboard, mouse e gamepad, editor di immagini e suoni integrato.

Sul README.md è tutto perfettamente documentato

Pyxel wiki
reddit
Learn Python by Building 12 Projects in This 3-Hour Course

Python VS JavaScript – What are the Key Differences
11 Python Projects Junior Developers Can Build for Coding Practice
6 Quick Python Projects for Coding Practice
Python Code Examples – Sample Script Coding Tutorial for Beginners

discord

★ github

[via]


12 Beginner Python Projects - Coding Course

⌨️ (1:40) 1. Madlibs
⌨️ (6:54) 2. Guess the Number (computer)
⌨️ (13:17) 3. Guess the Number (user)
⌨️ (21:14) 4. Rock Paper Scissors
⌨️ (24:25) 5. Hangman
⌨️ (35:53) 6. Tic-Tac-Toe
⌨️ (59:59) 7. Tic-Tac-Toe AI
⌨️ (1:15:53) 8. Binary Search
⌨️ (1:27:16) 9. Minesweeper
⌨️ (1:51:55) 10. Sudoku Solver
⌨️ (2:05:34) 11. Photo Manipulation in Python
⌨️ (2:31:49) 12. Markov Chain Text Composer

Netlify

categorie

Netlify

Netlify è un servizio web con un tier free soddisfacente che funziona collegandosi al proprio repository GitHub per estrarre il codice sorgente, per poi eseguire un processo di build per pre-renderizzare tutte le pagine in HTML statico. In poche parole, Netlify crea un proprio tipo di repository che esegue push sia verso un repository Github che verso i propri microservizi. Poi, esegue e distribuisce i contenuti su una ampia CDN per fornire siti web statici pre-costruiti ai visitatori.

La cosa migliore di Netlify è che seleziona il CDN migliore e distribuisce i contenuti, il che si traduce in siti web pre-costruiti che si caricano più velocemente rispetto alle reti di hosting tradizionali. Invece di caricare il sito ogni volta che il visitatore va su una pagina, il visitatore ottiene una versione precaricata direttamente dal server geografico più vicino, riducendo drasticamente i tempi di caricamento.

documentation
custom domains
get started
Netlify CLI
Basic build settings

[via]

Netlify Tutorial - How to build and deploy websites using Netlify

Mads Torgersen - Lead Designer del C#

Mads Torgersen è il Lead Designer del C# alla Microsoft.

In questo video e il successivo spiega come mai il C# sia un linguaggio piacevole e cosa ci aspetta il futuro.

C# 9-0
C# @ dev.to
devblogs.microsoft.com

C# online console environment on repl.it


C# into the Future - Mads Torgersen

C# 8 - Mads Torgersen, Jon Skeet