Mindket

GenreClassifier 音乐流派分类器

新上架第 1 版 · 更新于

概览

用在 GTZAN 数据集上训练的 LSTM 模型,猜测上传音频的音乐流派。适合想试用小型音频分类器的音乐爱好者和学生。

GenreClassifier 音乐流派分类器 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python 3.10
  • requirements.txt 里的 Python 包
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,在 Windows、macOS 或 Linux 上运行 Python 3.10
  • 你自己的脚本,通过 README 指向的 API
先运行
pip install -U huggingface_hub
hf download Enutrof/GenreClassifier --repo-type space --local-dir GenreClassifier
cd GenreClassifier

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

GenreClassifier 会猜你上传曲目的音乐流派。它在 GTZAN 数据集上训练,该数据集涵盖十种流派,模型是用 Keras 在 TensorFlow 后端上搭建的 LSTM。它以 Gradio 应用的形式运行。

适合谁

如果你是音乐爱好者、学生或开发者,想看看一个小型音频分类模型怎么工作,它就适合你。

行业谁在用怎么用例子
音乐爱好者和 DJ快速猜出一首曲目的流派上传一首歌,读预测的流派
教育学生用 LSTM 研究音频分类试不同流派的曲目
机器学习开发者查看应用里的小型 Keras 音频模型在脚本里调用它的 API

如果你需要对和训练数据不同的音乐做可靠标注,可以跳过它。

用在哪里

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,在 Windows、macOS 或 Linux 上运行 Python 3.10
  • 你自己的脚本,通过 README 指向的 API
使用场景谁用得到什么
猜流派音乐爱好者对上传曲目的预测流派
测试你自己的音乐学生了解模型处理陌生歌曲的表现
用代码调用开发者通过 Space 的 API 得到预测

如何设置

  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python 3.10
  • requirements.txt 里的 Python 包
  1. 打开 Hugging Face 上这个 Space 的页面,即可在线使用。
  2. 要运行副本,先安装 huggingface_hub,再把这个 Space 下载到一个文件夹。
  3. 进入该文件夹,安装指定版本的 Gradio,再安装列出的依赖包。
  4. 用 Python 启动应用。
pip install -U huggingface_hub
hf download Enutrof/GenreClassifier --repo-type space --local-dir GenreClassifier
cd GenreClassifier
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用

打开这个 Space,上传一段音频。应用会返回它预测的流派。README 还指向这个 Space 的 API 文档,方便你用代码调用。在自己的副本上,用下面的命令启动应用,再打开 Gradio 打印出的本地页面。

python app.py

示例

上传一首你很熟的歌,比如爵士或摇滚曲目。你会得到模型认为它属于的流派,可以和你自己的判断对比。

新手与专家

如果你是新手,上传一首曲目,看它说出什么流派。然后试几首不同风格的歌,看看它在哪里出错。

如果你熟悉这个领域,模型是用 Keras 在 TensorFlow 上搭建的 LSTM,在 GTZAN 上训练,该数据集每种流派有 100 首、每首 30 秒的曲目,共十种流派。作者说它在类似 GTZAN 的数据上表现不错,数据更多会更好。遇到和该数据集不同的音乐,效果会较弱。

  1. 你上传一段音频
  2. 应用为模型准备音频
  3. LSTM 给十种流派打分
  4. 页面显示预测的流派

注意事项

  • License: afl-3
  • Cost to run: 没有提到费用。在线的 Space 运行在 Hugging Face 上。
  • Data it reaches: 你上传的音频,以及仓库里保存的模型文件。
  • Limits: 模型每种流派只学了 100 首曲目,所以特殊或混合流派的歌可能被判错。

README 和文件

README

GenreClassifier 音乐流派分类器

用在 GTZAN 数据集上训练的 LSTM 模型,猜测上传音频的音乐流派。适合想试用小型音频分类器的音乐爱好者和学生。

由 Enutrof 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:GenreClassifier 会猜你上传曲目的音乐流派。它在 GTZAN 数据集上训练,该数据集涵盖十种流派,模型是用 Keras 在 TensorFlow 后端上搭建的 LSTM。它以 Gradio 应用的形式运行。

适合谁:如果你是音乐爱好者、学生或开发者,想看看一个小型音频分类模型怎么工作,它就适合你。

行业 | 谁在用 | 怎么用 | 例子
音乐 | 爱好者和 DJ | 快速猜出一首曲目的流派 | 上传一首歌,读预测的流派
教育 | 学生 | 用 LSTM 研究音频分类 | 试不同流派的曲目
机器学习 | 开发者 | 查看应用里的小型 Keras 音频模型 | 在脚本里调用它的 API

如果你需要对和训练数据不同的音乐做可靠标注,可以跳过它。

用在哪里:

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,在 Windows、macOS 或 Linux 上运行 Python 3.10
  • 你自己的脚本,通过 README 指向的 API
使用场景 | 谁用 | 得到什么
猜流派 | 音乐爱好者 | 对上传曲目的预测流派
测试你自己的音乐 | 学生 | 了解模型处理陌生歌曲的表现
用代码调用 | 开发者 | 通过 Space 的 API 得到预测

如何设置:

  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python 3.10
  • requirements.txt 里的 Python 包
  1. 打开 Hugging Face 上这个 Space 的页面,即可在线使用。
  2. 要运行副本,先安装 huggingface_hub,再把这个 Space 下载到一个文件夹。
  3. 进入该文件夹,安装指定版本的 Gradio,再安装列出的依赖包。
  4. 用 Python 启动应用。
pip install -U huggingface_hub
hf download Enutrof/GenreClassifier --repo-type space --local-dir GenreClassifier
cd GenreClassifier
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用:打开这个 Space,上传一段音频。应用会返回它预测的流派。README 还指向这个 Space 的 API 文档,方便你用代码调用。在自己的副本上,用下面的命令启动应用,再打开 Gradio 打印出的本地页面。

python app.py

示例:上传一首你很熟的歌,比如爵士或摇滚曲目。你会得到模型认为它属于的流派,可以和你自己的判断对比。

新手与专家:如果你是新手,上传一首曲目,看它说出什么流派。然后试几首不同风格的歌,看看它在哪里出错。

如果你熟悉这个领域,模型是用 Keras 在 TensorFlow 上搭建的 LSTM,在 GTZAN 上训练,该数据集每种流派有 100 首、每首 30 秒的曲目,共十种流派。作者说它在类似 GTZAN 的数据上表现不错,数据更多会更好。遇到和该数据集不同的音乐,效果会较弱。

你上传一段音频
应用为模型准备音频
LSTM 给十种流派打分
页面显示预测的流派

注意事项:

  • License: afl-3
  • Cost to run: 没有提到费用。在线的 Space 运行在 Hugging Face 上。
  • Data it reaches: 你上传的音频,以及仓库里保存的模型文件。
  • Limits: 模型每种流派只学了 100 首曲目,所以特殊或混合流派的歌可能被判错。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:3
  • 构建方式:gradio
  • 许可证:afl-3.0

链接

  • Space:https://huggingface.co/spaces/Enutrof/GenreClassifier
  • 文件:https://huggingface.co/spaces/Enutrof/GenreClassifier/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
GenreClassifier 音乐流派分类器 本页3gradioafl-3.0
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

新上架

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。

新上架

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。

新上架

研究类的相似商品

查看研究类的全部商品

REMEND

udiboy1209 · 工具包

用一个小型神经反编译器从编译后的二进制代码中还原数学公式,并提供论文里的数据集和训练好的模型。适合逆向工程师和研究者。

新上架

Drishya Tiny

udgamlabs · 工具包

把文字提示,或文字加首帧图片,变成 2 秒、256×256 的视频片段,使用 212M 参数的生成器。这是一个小型研究版本,最擅长海浪、火焰和下雪的天空。

新上架

monoyield-predictor

Tsuboyama-Lab · 工具包

预测一条蛋白质序列在大肠杆菌里能以单体形式表达多少,单位为 log10 mg/L。提供 ESMC-6B 和 SaProt 的已训练 LoRA 适配器和回归头,面向蛋白质研究人员。

新上架