NotaGen
ElectricAlexis/NotaGenRevisado por IA
Verificado pelo RepoPicks Radar em
O que é NotaGen?
NotaGen é um modelo de pesquisa que compõe partituras clássicas. Você informa uma época, o estilo de um compositor e os instrumentos, e ele escreve a partitura em notação ABC, que pode ser convertida em MusicXML, PDF ou áudio. A forma mais rápida de testar é a página dos criadores no Hugging Face, onde você digita o prompt e escuta. Rodar no seu próprio computador exige Python com conda, PyTorch com CUDA, baixar o arquivo do modelo manualmente e cerca de 8 GB de memória de vídeo. O código também inclui tudo que é usado para treinar e ajustar o modelo com sua própria música.
NotaGen é grátis e de código aberto (MIT) e pode substituir Suno e Udio.
Quão fácil é instalar NotaGen?
A · baixe e abra · Web
- Windows D
- Linux D
- Web A
Na web é A: a própria página dos criadores no Hugging Face Space roda o NotaGen-X, você digita "Period-Composer-Instrumentation" e pode "preview the audio / pdf scores, and download them", sem instalar nada. Na sua própria máquina com Windows ou Linux é D, sem nenhum release para baixar: `conda create --name notagen python=3.10`, PyTorch 2.3.0 com CUDA 11.8, quatro etapas de `pip install`, o arquivo do modelo baixado manualmente do Hugging Face e cerca de 8 GB de memória de vídeo, seguindo um segundo conjunto de instruções em `gradio/README.md`. Macs não são contemplados, já que a linha de instalação exige uma placa Nvidia.
NotaGen no GitHub
- Estrelas
- 1.246em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- —sem ganho na última leitura
Estrelas ao longo do tempo
Fatos
- Roda em
- Windows, Linux, Web
- Você precisa instalar
- Nada além do programa
- Para compilar a partir do código
- Python
- Espaço em disco
- 150 MB–450 MB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis · Código MIT, arquivos do modelo publicados abertamente no Hugging Face, e a demo online no Hugging Face Space não pede nada.
- Licença
- MIT (Permissiva)
- Última mudança no GitHub
- 21 de abr. de 2025
Sinais de risco de NotaGen (8)
- AtençãoLinks de download para sites de arquivos
O README tem um link para https://drive.google.com/drive/folders/1iVLkcywzXGcHFodce9nDQyEmK4UDmBtY?usp=sharing
checagem automática
- AtençãoDependências com vulnerabilidades conhecidas
Dependências fixadas com vulnerabilidades conhecidas (OSV): transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74; gradio: GHSA-39mp-8hj3-5c49, GHSA-5cpq-9538-jm2j, GHSA-6655-8ph2-63j3
checagem automática
- Atençãoo arquivo do modelo vem de outro lugar
Nada do que realmente gera música está no repositório: o README tem links para cinco arquivos `.pth` no Hugging Face (`weights_notagen_pretrain...`, `weights_notagenx_p_size_16...`) mais outros dois de uma conta diferente para o CLaMP 2 (`huggingface.co/sander-wood/clamp2`). Os arquivos `.pth` do PyTorch são carregados desempacotando objetos Python salvos, o que é uma forma de executar código, então o que você baixa decide o que acontece na sua máquina. As checagens também apontam um link de dataset no Google Drive.
revisão por IA
- Atençãonão se diz de onde veio a música usada para aprender
A visão geral afirma "Pre-training on 1.6M musical pieces" e "Fine-tuning on ~9K classical compositions" sem citar a fonte nem a licença; só o pequeno dataset de exemplo é creditado (lieder de Schubert do OpenScore Lieder). O próprio filtro do projeto mostra que o modelo pode repetir o que aprendeu: em `RL/data.py`, "Sheets that may plagiarize from ground truth data (ld_sim>0.95) are excluded". A quem pertence uma partitura que ele escreve é uma pergunta sem resposta.
revisão por IA
- Infouma placa de vídeo potente é o verdadeiro requisito
O README: "Deploying NotaGen-X inference locally may require 8GB of GPU memory", e para treinamento "The use of NotaGen-large requires at least 24GB of GPU memory for training and inference", com os modelos menores oferecidos como alternativa. A linha de instalação fixa `pytorch==2.3.0 pytorch-cuda=11.8`, então é placa Nvidia ou nada.
revisão por IA
- Infoo treinamento reporta a um serviço online
`requirements.txt` fixa `wandb==0.17.2`, o serviço Weights & Biases, usado pelos scripts de pré-treinamento, ajuste fino e aprendizado por reforço. Se você treinar com sua própria música, os dados dessa execução vão para esse serviço, a menos que você o desative.
revisão por IA
- Infobibliotecas fixadas antigas e sem commits há um ano e meio
O último commit é de 2025-04-21, 563 dias antes desta checagem, com 26 issues abertas e sem releases. `requirements.txt` fixa `transformers==4.40.0`, `gradio==5.17.1` e `numpy==1.26.4` — as versões apontadas pela checagem de vulnerabilidades — então um ambiente Python atual pode não reproduzi-lo.
revisão por IA
- Infocódigo de pesquisa configurado editando arquivos
Não existe nenhuma interface para configurar nada: as instruções dizem para editar `pretrain/config.py`, `finetune/config.py`, `inference/config.py`, `RL/config.py`, `clamp2/extract_clamp2.py` e `RL/data.py`, colando em cada um nomes longos de arquivos de peso como `weights_notagen_schubert_p_size_16_p_length_1024_p_layers_20_c_layers_6_h_size_1280_lr_1e-05_batch_1.pth`. As versões mais práticas — um notebook do Colab e um nó do ComfyUI — são contribuições de outras pessoas, mantidas em seus próprios repositórios.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em NotaGen
- Se a instalação ainda funciona, com PyTorch 2.3.0, CUDA 11.8 e as bibliotecas fixadas
- Quanto tempo uma partitura leva em uma placa de 8 GB, e quanto espaço em disco os arquivos do modelo ocupam
- Se a música é agradável ou útil, algo que só ouvindo se descobre
- A quem pertencem as partituras que ele escreve, o que depende de dados de treinamento que o repositório não descreve
- O que a demo online no Hugging Face guarda dos prompts que você digita