| 6 | 6 | Целта на проектот е да се развие функционална апликација со текстуален интерфејс каде што корисникот ќе може да внесе текстуален промпт, а моделот ќе генерира релевантен звучен ефект. Апликацијата има и основни функции за пост-процесирање, како менување на pitch, reverb, и јачина на звукот, што ќе овозможи корисникот да го прилагоди звукот пред да го зачува.За развојот користев Python и библиотеки како PyTorch, diffusers, scipy, soundfile и други, во главно за работа со аудио и модели. За корисничкиот интерфејс одбрав Gradio, бидејќи е модерен, лесен за употреба и порелевантен во индустријата отколку Tkinter(кој ми беше иницијална опција при истражувачката фаза за проектот).Одлучив да го користам моделот AudioLDM 2, кој е претходно обучен и достапен како open-source. Моделот е стабилен, се користи активно и е со соодветна лиценца за академска и лична употреба. |
