音乐评分系统

该项目，完全本地运行，无需联网依赖。 本项目使用 Hugging Face Transformers 的 CLAP（`laion/clap-htsat-fused`）对音频进行多维分析，目标是： - 对一批待打分歌曲生成可排序的综合评分与标签，筛选更适合做 AI MV 推广的曲目 - 对歌曲进行提示词反推，辅助音乐制作/复刻方向的定位 - 统一导出 Excel 报表，便于快速浏览、筛选与运营决策 功能概览 - AI综合好听评分（0~100）：基于音频-文本相似度的加权评分 - 曲风识别：输出“最可能曲风”并给出曲风 Top3 候选 - 反推创作提示词：从提示词库中匹配最相近的一条，便于复刻创作 - AI MV 推广筛选（更偏运营/投放）：输出声学特征、AI MV 推广适配评分、情绪/视觉风格/平台 Top3 与剪辑建议 - Python：建议 3.10+（项目当前在 3.13 环境下运行过） 报表字段说明（核心） - 歌曲名称：源文件名 - AI综合好听评分：0~100 的综合评分 - AI MV推广适配评分：0~100，偏向节奏清晰、能量稳定、易卡点的曲目 - 精细化识别曲风：Top1 曲风标签 - 曲风Top3：Top3 曲风候选（用于降低单标签误判） - 情绪氛围Top3：用于 MV 视觉/文案定位 - MV视觉风格Top3：用于 AI MV 画面风格选择 - 推荐平台Top3：用于投放与分发渠道参考 - 剪辑建议：基于节奏与能量的剪辑策略提示 - 主调/BPM/节奏强度/能量均值/能量波动/亮度均值/时长秒：用于更细粒度的制作与运营筛选 - AI同款音乐复刻创作提示词：反推提示词（从提示词库匹配而来） 部分代码： import os import sys import torch import librosa import numpy as np import pandas as pd from transformers import ClapModel, ClapProcessor # ===================== 0. 终端编码兼容（Windows 控制台 GBK/CP936） ===================== def configure_console_output(): """ 配置标准输出/错误输出的编码容错策略，避免 Windows 控制台（如 GBK/CP936） 在打印包含特殊符号/表情字符时触发 UnicodeEncodeError。 """ for stream in (sys.stdout, sys.stderr): try: if hasattr(stream, "reconfigure"): stream.reconfigure(errors="replace") except Exception: pass configure_console_output() # ===================== 1. 设备自动选择 ===================== device = "cuda" if torch.cuda.is_available() else "cpu" print("当前运行设备：", device) # ===================== 2. 加载本地CLAP模型（全程离线） ===================== model_name = "laion/clap-htsat-fused" processor = ClapProcessor.from_pretrained(model_name) model = ClapModel.from_pretrained(model_name).to(device) model.eval()