Matchering
오픈소스 오디오 마스터링 매칭 도구로, 대상 트랙의 RMS, 주파수 응답, 피크 진폭 및 스테레오 너비를 레퍼런스 트랙에 맞춰 음질을 인기 곡 수준으로 끌어올릴 수 있습니다.
스마트 다운로드
프로젝트 홈페이지 방문
아직 설치 프로그램이 없습니다 — 소스 저장소로 이동하세요
어떤 노래든 즉시 레퍼런스 트랙의 사운드를 갖게 합니다. 오픈소스이며 무료로 로컬에서 실행됩니다.
주요 기능
- RMS, 주파수 응답, 피크 및 스테레오 폭 매칭
- Python 라이브러리, Docker 컨테이너, ComfyUI 노드 지원
- UVR5 데스크톱 앱 통합, 코드 없이 사용 가능
- 오픈 소스 무료, 로컬 처리로 프라이버시 보호
- 자체 개발한 Hyrax 브릭월 리미터 사용, 신뢰할 수 있는 품질
할 수 없는 것
- •최소 4GB RAM 및 Python 3.8+ 필요, Linux에서는 libsndfile1을 수동으로 설치해야 하며 그렇지 않으면 오류 발생, MP3 로드에는 FFmpeg 추가 설치 필요, 참조 오디오 트랙 선택이 결과에 직접적인 영향을 미치므로 신중하게 선택해야 함
사용 사례
- 음악 프로듀서가 곡의 사운드를 빠르게 인기 히트곡 수준에 맞춤
- 앨범의 마스터링 스타일을 통일하여 모든 트랙의 일관성 유지
- AI 마스터링 서비스 창업자가 백엔드 구축
- 오디오 엔지니어가 다양한 레퍼런스 음색의 효과 실험
Matchering 2.0은 오디오 매칭 및 마스터링을 위한 혁신적인 컨테이너화된 웹 애플리케이션, Python 라이브러리 및 ComfyUI 노드입니다. TARGET(마스터링할 트랙)과 REFERENCE(레퍼런스 트랙) 두 개의 오디오 파일만 준비하면, 알고리즘이 타겟 트랙의 RMS, 주파수 응답, 피크 진폭 및 스테레오 폭을 자동으로 조정하여 레퍼런스 트랙과 동일하게 들리도록 만들어 줍니다. Benn Jordan의 리뷰에서 12개의 경쟁 제품 중 3위를 차지했으며, 이는 두 명의 전문 마스터링 엔지니어에 이은 순위입니다. 완전한 오픈 소스로 로컬에서 실행되며 클라우드에 업로드할 필요가 없습니다. UVR5 데스크톱 애플리케이션, Songmastr, MVSEP 및 Moises에 통합되어 있습니다. 자체 개발한 브릭월 리미터 Hyrax를 탑재하고 있으며, PCM16/24 출력과 FFmpeg를 통한 MP3 로딩을 지원하고, Docker 이미지로 원클릭 배포가 가능합니다.
태그
시작하기
소프트웨어 설치
다운로드한 설치 프로그램을 더블 클릭하고 안내에 따르세요
데스크톱 사용자: UVR5 데스크톱 앱을 다운로드하여 실행한 후, 'Choose Process Method > Audio Tools'에서 Matchering을 선택하고 대상 트랙과 참조 트랙을 선택하면 됩니다.
개발자: pip install -U matchering을 실행한 후, Python에서 mg.process(target='my_song.wav', reference='ref.wav', results=[mg.pcm16('out.wav')])를 호출합니다.
Docker 사용자: 프로젝트 문서의 Windows/macOS/Linux Docker 설치 가이드를 참조하여, 원클릭으로 컨테이너를 시작한 후 웹 인터페이스에서 작업하면 됩니다.
- 데스크톱 사용자: UVR5 데스크톱 앱을 다운로드하여 실행한 후, 'Choose Process Method > Audio Tools'에서 Matchering을 선택하고 대상 트랙과 참조 트랙을 선택하면 됩니다.
- 개발자: pip install -U matchering을 실행한 후, Python에서 mg.process(target='my_song.wav', reference='ref.wav', results=[mg.pcm16('out.wav')])를 호출합니다.
- Docker 사용자: 프로젝트 문서의 Windows/macOS/Linux Docker 설치 가이드를 참조하여, 원클릭으로 컨테이너를 시작한 후 웹 인터페이스에서 작업하면 됩니다.
체크섬 없음
이 프로젝트는 GitHub Release 페이지에 SHA-256 체크섬을 게시하지 않았습니다
SHA256 체크섬
체크섬 없음
GitHub Releases에서 직접 다운로드하고 파일 무결성을 직접 확인하세요
이 플랫폼의 모든 SHA-256 체크섬은 프로젝트의 공식 GitHub Release 페이지에서 추출되었으며, 어떠한 변경도 없습니다. GitHub Releases 페이지에서 직접 검증할 수 있습니다.
오픈소스 투명성
GitHub 소스 보기제거 정보
Python 라이브러리: pip uninstall matchering; Docker 컨테이너: docker rm으로 관련 컨테이너를 제거하고 이미지를 삭제; UVR5 통합의 경우 UVR5를 제거하면 됩니다.
추가 의존성 없음
다운로드 후 바로 사용 가능. 추가 런타임이 필요하지 않습니다.
문제 발생? 아래 FAQ 확인
3 FAQs
유사한 프로젝트
ollama
로컬에서 대규모 언어 모델을 원클릭으로 실행하고 관리할 수 있는 오픈소스 도구로, 다양한 플랫폼과 풍부한 모델을 지원합니다.
ComfyUI
ComfyUI는 모듈식 AI 창작 엔진으로, 노드 그래프 인터페이스를 통해 블록을 조립하듯 이미지, 비디오, 3D 및 오디오를 생성할 수 있습니다. 기존 WebUI보다 더 유연하고 효율적이며, 전문가와 자동화 파이프라인에 적합합니다.
llama.cpp
순수 C/C++ 기반의 고성능 대규모 모델 추론 엔진으로, 저비트 양자화 및 다양한 하드웨어(Apple Silicon, CUDA, Vulkan 등)를 지원하며, 경량화되어 임베딩이 가능합니다.