[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-GuitarML--SmartGuitarAmp":3,"tool-GuitarML--SmartGuitarAmp":65},[4,23,32,40,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,2,"2026-04-05T10:45:23",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},4128,"GPT-SoVITS","RVC-Boss\u002FGPT-SoVITS","GPT-SoVITS 是一款强大的开源语音合成与声音克隆工具，旨在让用户仅需极少量的音频数据即可训练出高质量的个性化语音模型。它核心解决了传统语音合成技术依赖海量录音数据、门槛高且成本大的痛点，实现了“零样本”和“少样本”的快速建模：用户只需提供 5 秒参考音频即可即时生成语音，或使用 1 分钟数据进行微调，从而获得高度逼真且相似度极佳的声音效果。\n\n该工具特别适合内容创作者、独立开发者、研究人员以及希望为角色配音的普通用户使用。其内置的友好 WebUI 界面集成了人声伴奏分离、自动数据集切片、中文语音识别及文本标注等辅助功能，极大地降低了数据准备和模型训练的技术门槛，让非专业人士也能轻松上手。\n\n在技术亮点方面，GPT-SoVITS 不仅支持中、英、日、韩、粤语等多语言跨语种合成，还具备卓越的推理速度，在主流显卡上可实现实时甚至超实时的生成效率。无论是需要快速制作视频配音，还是进行多语言语音交互研究，GPT-SoVITS 都能以极低的数据成本提供专业级的语音合成体验。",56375,3,"2026-04-05T22:15:46",[21],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},2863,"TTS","coqui-ai\u002FTTS","🐸TTS 是一款功能强大的深度学习文本转语音（Text-to-Speech）开源库，旨在将文字自然流畅地转化为逼真的人声。它解决了传统语音合成技术中声音机械生硬、多语言支持不足以及定制门槛高等痛点，让高质量的语音生成变得触手可及。\n\n无论是希望快速集成语音功能的开发者，还是致力于探索前沿算法的研究人员，亦或是需要定制专属声音的数据科学家，🐸TTS 都能提供得力支持。它不仅预置了覆盖全球 1100 多种语言的训练模型，让用户能够即刻上手，还提供了完善的工具链，支持用户利用自有数据训练新模型或对现有模型进行微调，轻松实现特定风格的声音克隆。\n\n在技术亮点方面，🐸TTS 表现卓越。其最新的 ⓍTTSv2 模型支持 16 种语言，并在整体性能上大幅提升，实现了低于 200 毫秒的超低延迟流式输出，极大提升了实时交互体验。此外，它还无缝集成了 🐶Bark、🐢Tortoise 等社区热门模型，并支持调用上千个 Fairseq 模型，展现了极强的兼容性与扩展性。配合丰富的数据集分析与整理工具，🐸TTS 已成为科研与生产环境中备受信赖的语音合成解决方案。",44971,"2026-04-03T14:47:02",[21,20,13],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":29,"last_commit_at":46,"category_tags":47,"status":22},2375,"LocalAI","mudler\u002FLocalAI","LocalAI 是一款开源的本地人工智能引擎，旨在让用户在任意硬件上轻松运行各类 AI 模型，包括大语言模型、图像生成、语音识别及视频处理等。它的核心优势在于彻底打破了高性能计算的门槛，无需昂贵的专用 GPU，仅凭普通 CPU 或常见的消费级显卡（如 NVIDIA、AMD、Intel 及 Apple Silicon）即可部署和运行复杂的 AI 任务。\n\n对于担心数据隐私的用户而言，LocalAI 提供了“隐私优先”的解决方案，确保所有数据处理均在本地基础设施内完成，无需上传至云端。同时，它完美兼容 OpenAI、Anthropic 等主流 API 接口，这意味着开发者可以无缝迁移现有应用，直接利用本地资源替代云服务，既降低了成本又提升了可控性。\n\nLocalAI 内置了超过 35 种后端支持（如 llama.cpp、vLLM、Whisper 等），并集成了自主 AI 代理、工具调用及检索增强生成（RAG）等高级功能，且具备多用户管理与权限控制能力。无论是希望保护敏感数据的企业开发者、进行算法实验的研究人员，还是想要在个人电脑上体验最新 AI 技术的极客玩家，都能通过 LocalAI 获",44782,"2026-04-02T22:14:26",[13,21,19,17,20,14,16],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":29,"last_commit_at":54,"category_tags":55,"status":22},3108,"bark","suno-ai\u002Fbark","Bark 是由 Suno 推出的开源生成式音频模型，能够根据文本提示创造出高度逼真的多语言语音、音乐、背景噪音及简单音效。与传统仅能朗读文字的语音合成工具不同，Bark 基于 Transformer 架构，不仅能模拟说话，还能生成笑声、叹息、哭泣等非语言声音，甚至能处理带有情感色彩和语气停顿的复杂文本，极大地丰富了音频表达的可能性。\n\n它主要解决了传统语音合成声音机械、缺乏情感以及无法生成非语音类音效的痛点，让创作者能通过简单的文字描述获得生动自然的音频素材。无论是需要为视频配音的内容创作者、探索多模态生成的研究人员，还是希望快速原型设计的开发者，都能从中受益。普通用户也可通过集成的演示页面轻松体验其神奇效果。\n\n技术亮点方面，Bark 支持商业使用（MIT 许可），并在近期更新中实现了显著的推理速度提升，同时提供了适配低显存 GPU 的版本，降低了使用门槛。此外，社区还建立了丰富的提示词库，帮助用户更好地驾驭模型生成特定风格的声音。只需几行 Python 代码，即可将创意文本转化为高质量音频，是连接文字与声音世界的强大桥梁。",39067,"2026-04-04T03:33:35",[21],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":62,"last_commit_at":63,"category_tags":64,"status":22},3788,"airi","moeru-ai\u002Fairi","airi 是一款开源的本地化 AI 伴侣项目，旨在将虚拟角色（如“二次元老婆”或赛博生命）带入用户的现实世界。它的核心目标是复刻并超越知名 AI 主播 Neuro-sama 的能力，让用户能够拥有完全自主掌控、可私有化部署的智能伙伴。\n\nairi 主要解决了用户对高度定制化、具备情感交互能力且数据隐私安全的 AI 角色的需求。不同于依赖云端服务的通用助手，airi 允许用户在本地运行，不仅保护了对话隐私，还赋予了用户定义角色性格与灵魂的自由。它支持实时语音聊天，甚至能直接参与《我的世界》（Minecraft）和《异星工厂》（Factorio）等游戏，实现了从单纯对话到共同娱乐的跨越。\n\n这款工具非常适合喜爱虚拟角色的普通用户、希望搭建个性化 AI 陪伴的技术爱好者，以及研究多模态交互的开发者。其独特的技术亮点在于跨平台支持（涵盖 Web、macOS 和 Windows）以及强大的游戏交互能力，让 AI 不仅能“说”，还能“玩”。通过容器化的灵魂设计，airi 为每个人创造专属数字生命提供了可能，让虚拟陪伴变得更加真实且触手可及。",37086,1,"2026-04-05T10:54:25",[19,21,17],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":80,"owner_twitter":80,"owner_website":82,"owner_url":83,"languages":84,"stars":97,"forks":98,"last_commit_at":99,"license":100,"difficulty_score":101,"env_os":102,"env_gpu":103,"env_ram":103,"env_deps":104,"category_tags":109,"github_topics":110,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":22,"created_at":116,"updated_at":117,"faqs":118,"releases":159},2595,"GuitarML\u002FSmartGuitarAmp","SmartGuitarAmp","Guitar plugin made with JUCE that uses neural networks to emulate a tube amplifier.","SmartGuitarAmp 是一款基于 JUCE 框架开发的开源吉他效果插件，旨在利用神经网络技术高保真地模拟真实电子管音箱的音色。它主要解决了传统数字建模难以完美复刻硬件动态与细微失真特性的痛点，让音乐人无需携带笨重的实体设备，即可在电脑中获得温暖、自然的经典音箱听感。\n\n这款工具非常适合吉他手、音乐制作人以及音频开发者使用。其核心亮点在于采用了先进的 WaveNet 深度学习模型，通过对真实硬件录音样本的训练，精准还原了从清音到过载状态下的复杂声音细节。插件不仅内置了增益（Gain）和均衡（EQ）旋钮以便用户灵活调节音色，还依托 PyTorch 生态支持社区共享模型。虽然最新版简化了自定义模型加载功能以优化体验，但用户仍可通过其兄弟插件 SmartGuitarPedal 加载自行训练的独特音色模型。无论是希望在家庭录音室提升作品质感的创作者，还是对 AI 音频建模感兴趣的研究者，SmartGuitarAmp 都提供了一个免费且强大的解决方案。","# SmartGuitarAmp\n\n[![Downloads](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fdownloads\u002FGuitarML\u002FSmartGuitarAmp\u002Ftotal)](https:\u002F\u002Fsomsubhra.github.io\u002Fgithub-release-stats\u002F?username=GuitarML&repository=SmartGuitarAmp&page=1&per_page=30) [![CI](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Factions\u002Fworkflows\u002Fcmake.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Factions\u002Fworkflows\u002Fcmake.yml)\n\nGuitar plugin made with JUCE that uses neural network models to emulate real world hardware.\n\nSee video demo on [YouTube](https:\u002F\u002Fyoutu.be\u002FI9DElOaZvHos)\n\nThis plugin uses a WaveNet model to recreate the sound of real world hardware. The current version\nmodels a small tube amp at clean and overdriven settings. Gain and EQ knobs were added to \nmodulate the modeled sound.\n\n![app](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGuitarML_SmartGuitarAmp_readme_4a598b3ff5ee.jpg)\n\nYou can create your own models and load them in SmartGuitarAmp with minor code modifications.\nTo train your own models, use [PedalNetRT](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FPedalNetRT)\n\nModel training is done using PyTorch on pre recorded .wav samples. More info in the above repository.\nTo share your best models, email the json files to smartguitarml@gmail.com and they may be included \nin the latest release as a downloadable zip.\n\nAlso see companion plugin, the [SmartGuitarPedal](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarPedal)\u003Cbr>\nNote: As of SmartAmp version 1.3, the custom model load was removed to simplify the plugin. To load user\ntrained models, use the SmartGuitarPedal, which plays all models trained with PedalNetRT.\n\n## Installing the plugin\n\n1. Download the appropriate plugin installer (Windows, Mac, Linux) from the [Releases](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Freleases) page.\n2. Run the installer and follow the instructions. May need to reboot to allow your DAW to recognize the new plugin.\n\n## Build Instructions\n\n### Build with Cmake\n\n```bash\n# Clone the repository\n$ git clone https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp.git\n$ cd SmartGuitarAmp\n\n# initialize and set up submodules\n$ git submodule update --init --recursive\n\n# build with CMake\n$ cmake -Bbuild\n$ cmake --build build --config Release\n```\nThe binaries will be located in `SmartAmp\u002Fbuild\u002FSmartAmp_artefacts\u002F`\n\n## License\nThis project is licensed under the Apache License, Version 2.0 - see the [LICENSE](LICENSE) file for details.\n\nThis project builds off the work done in [WaveNetVA](https:\u002F\u002Fgithub.com\u002Fdamskaggep\u002FWaveNetVA)\n\nThe EQ code used in this plugin is based on the work done by Michael Gruhn in 4BandEQ algorithm.\n","# 智能吉他音箱\n\n[![下载量](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fdownloads\u002FGuitarML\u002FSmartGuitarAmp\u002Ftotal)](https:\u002F\u002Fsomsubhra.github.io\u002Fgithub-release-stats\u002F?username=GuitarML&repository=SmartGuitarAmp&page=1&per_page=30) [![CI](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Factions\u002Fworkflows\u002Fcmake.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Factions\u002Fworkflows\u002Fcmake.yml)\n\n基于 JUCE 构建的吉他插件，利用神经网络模型来模拟真实硬件的声音。\n\n观看 [YouTube](https:\u002F\u002Fyoutu.be\u002FI9DElOaZvHos) 上的视频演示\n\n该插件使用 WaveNet 模型来重现真实硬件的声音。当前版本模拟了一款小型电子管放大器在干净和过载两种音色下的表现。此外，还增加了增益和均衡旋钮，以调节模拟声音的特性。\n\n![app](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGuitarML_SmartGuitarAmp_readme_4a598b3ff5ee.jpg)\n\n您可以通过少量代码修改，创建自己的模型并将其加载到 SmartGuitarAmp 中。要训练自己的模型，请使用 [PedalNetRT](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FPedalNetRT)。\n\n模型训练是在预先录制好的 .wav 样本上使用 PyTorch 完成的。更多信息请参阅上述仓库。如果您希望分享自己优秀的模型，请将 JSON 文件发送至 smartguitarml@gmail.com，这些模型可能会被纳入最新版本，并以可下载的压缩包形式提供。\n\n另请参阅配套插件 [SmartGuitarPedal](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarPedal)\u003Cbr>\n注意：自 SmartAmp 1.3 版本起，为简化插件功能，已移除自定义模型加载功能。如需加载用户训练的模型，请使用 SmartGuitarPedal，它支持所有通过 PedalNetRT 训练的模型。\n\n## 插件安装步骤\n\n1. 从 [Releases](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Freleases) 页面下载适用于您的操作系统的插件安装程序（Windows、Mac、Linux）。\n2. 运行安装程序并按照提示操作。可能需要重启计算机，以便您的 DAW 能识别新插件。\n\n## 构建说明\n\n### 使用 CMake 构建\n\n```bash\n# 克隆仓库\n$ git clone https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp.git\n$ cd SmartGuitarAmp\n\n# 初始化并设置子模块\n$ git submodule update --init --recursive\n\n# 使用 CMake 构建\n$ cmake -Bbuild\n$ cmake --build build --config Release\n```\n生成的二进制文件将位于 `SmartAmp\u002Fbuild\u002FSmartAmp_artefacts\u002F` 目录下。\n\n## 许可证\n本项目采用 Apache License, Version 2.0 许可证授权——详情请参阅 [LICENSE](LICENSE) 文件。\n\n本项目基于 [WaveNetVA](https:\u002F\u002Fgithub.com\u002Fdamskaggep\u002FWaveNetVA) 的工作成果。\n\n本插件中使用的均衡器代码参考了 Michael Gruhn 在 4BandEQ 算法中的研究成果。","# SmartGuitarAmp 快速上手指南\n\nSmartGuitarAmp 是一款基于 JUCE 框架开发的吉他效果器插件，利用 WaveNet 神经网络模型模拟真实电子管音箱的音色（包含清音和过载模式），并提供增益（Gain）和均衡（EQ）调节功能。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**：Windows, macOS, 或 Linux\n- **宿主软件 (DAW)**：支持 VST3、AU 或 LV2 格式的音频工作站（如 Reaper, Cubase, Logic Pro 等）\n- **硬件**：建议具备独立显卡以加速模型训练（仅针对开发者），推理阶段对 CPU 有一定要求。\n\n### 前置依赖（仅限源码编译）\n若需从源码构建，请确保安装以下工具：\n- Git\n- CMake (版本 3.15+)\n- C++ 编译器 (GCC, Clang, 或 MSVC)\n- JUCE 框架（项目通过 submodule 自动管理，无需单独安装）\n\n## 安装步骤\n\n### 方式一：直接安装（推荐普通用户）\n1. 访问 [Releases 页面](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Freleases)。\n2. 下载对应操作系统的安装包（Windows `.exe` \u002F `.zip`, Mac `.dmg` \u002F `.pkg`, Linux `.deb` \u002F `.tar.gz`）。\n   *注：国内用户若下载缓慢，可尝试使用镜像加速工具或代理。*\n3. 运行安装程序并按提示完成安装。\n4. **重要**：安装完成后可能需要重启电脑或重启 DAW，以便宿主软件识别新插件。\n\n### 方式二：源码编译（适合开发者）\n如需自定义功能或调试，可使用 CMake 进行构建：\n\n```bash\n# 克隆仓库\n$ git clone https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp.git\n$ cd SmartGuitarAmp\n\n# 初始化并更新子模块 (包括 JUCE 等依赖)\n$ git submodule update --init --recursive\n\n# 配置 CMake 构建目录\n$ cmake -Bbuild\n\n# 执行编译 (Release 模式)\n$ cmake --build build --config Release\n```\n\n编译完成后，插件二进制文件位于：\n`SmartAmp\u002Fbuild\u002FSmartAmp_artefacts\u002F`\n将生成的插件文件复制到系统的 VST\u002FAU\u002FLV2 插件目录即可。\n\n## 基本使用\n\n1. **加载插件**：打开你的 DAW，在效果器列表中找到 `SmartGuitarAmp` 并将其加载到吉他音轨上。\n2. **选择音色**：插件内置了模拟小型电子管音箱的模型。通过界面切换 Clean（清音）或 Overdriven（过载）模式。\n3. **调节参数**：\n   - **Gain**：调节输入增益，控制失真程度。\n   - **EQ**：调节高、中、低频均衡，塑造音色风格。\n4. **关于自定义模型**：\n   - 自 v1.3 版本起，SmartGuitarAmp **移除了直接加载用户自定义模型的功能**以简化架构。\n   - 如需使用通过 [PedalNetRT](https:\u002F\u002Fgithub.com\u002FGuitarML\u002FPedalNetRT) 训练的个人模型，请使用配套插件 **SmartGuitarPedal**。\n\n> **提示**：如果你有优秀的训练模型（JSON 文件），可发送至 `smartguitarml@gmail.com`，作者可能会将其收录进后续发布的官方模型包中。","独立音乐人小李正在家中卧室录制一张复古摇滚风格的 EP，他渴望获得经典电子管音箱那种温暖、饱满且带有自然过载的音色，但受限于居住环境和预算，无法进行高音量实录或购买昂贵硬件。\n\n### 没有 SmartGuitarAmp 时\n- **硬件成本高昂**：想要真实的电子管音色，必须购买数千元的实体音箱及麦克风，还要额外投入声学装修费用。\n- **录音环境受限**：在公寓内大音量开启电子管音箱会遭到邻居投诉，导致只能在深夜低声练习，无法捕捉理想的动态失真。\n- **后期调整困难**：传统软件模拟器往往声音生硬、“数码味”重，一旦录好音色，后期很难再微调增益或均衡而不破坏音质。\n- **工作流繁琐**：需要架设麦克风、调整摆位并处理房间混响，每次尝试不同音色都要重新布置，严重拖慢创作节奏。\n\n### 使用 SmartGuitarAmp 后\n- **零成本获取顶级音色**：直接加载基于 WaveNet 神经网络训练的模型，免费复现真实小型电子管音箱在清洁与过载状态下的细腻听感。\n- **静音专业录制**：无需大音量外放，通过音频接口直接输入，即可在任意时段获得媲美录音棚级别的饱满失真，彻底解决扰民问题。\n- **灵活实时调控**：插件内置增益（Gain）和均衡（EQ）旋钮，可在保留神经网络建模特征的同时，实时精细调节音色明暗与饱和度。\n- **极简高效流程**：作为 VST\u002FAU 插件无缝接入 DAW，省去了复杂的麦克风波位调试，让创作者能瞬间切换音色灵感，专注于演奏本身。\n\nSmartGuitarAmp 利用深度学习技术打破了物理硬件的壁垒，让每位音乐人都能在任何环境下以零成本拥有传奇级的电子管音箱音色。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGuitarML_SmartGuitarAmp_d7e738dd.png","GuitarML","Keith Bloemer","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FGuitarML_6ba199ac.png","GuitarML creates open source plugins and pedals using DSP, PCB design, and machine learning for amp and pedal modelling.",null,"Huntsville, AL","https:\u002F\u002Fguitarml.com\u002F","https:\u002F\u002Fgithub.com\u002FGuitarML",[85,89,93],{"name":86,"color":87,"percentage":88},"C++","#f34b7d",79.6,{"name":90,"color":91,"percentage":92},"Shell","#89e051",12.1,{"name":94,"color":95,"percentage":96},"CMake","#DA3434",8.3,1317,62,"2026-04-02T03:27:24","Apache-2.0",4,"Windows, macOS, Linux","未说明",{"notes":105,"python":103,"dependencies":106},"该工具为吉他插件（VST\u002FAU 等），运行时通过预编译安装程序部署，无需用户配置 Python 或 GPU 环境。GPU 和 PyTorch 仅在用户使用 PedalNetRT 仓库自行训练新模型时需要。自 v1.3 版本起，主插件已移除自定义模型加载功能，如需加载用户训练的模型，请使用配套插件 SmartGuitarPedal。",[107,94,108],"JUCE","PyTorch (仅用于模型训练)",[21],[111,112,113,114,115],"audio-processing","guitar","juce","machinelearning","neuralnetworks","2026-03-27T02:49:30.150509","2026-04-06T08:52:26.259145",[119,124,129,134,139,144,149,154],{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},12018,"如何在 macOS 上解决插件因“未验证开发者”而无法加载的问题？","在终端中运行以下命令将插件移出隔离区：`xattr -rd com.apple.quarantine \u003Cpath to .component>`（请将 `\u003Cpath to .component>` 替换为实际的插件文件路径）。执行后，Logic Pro 等宿主软件将不再报错。","https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Fissues\u002F20",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},12019,"在没有 CUDA 显卡的机器上如何强制使用 CPU 进行训练？","项目已在 PedalNetRT 中添加了 CPU 标志以强制使用 CPU 训练。此外，从 1.2 版本开始，插件增加了“加载模型”按钮，允许通过文件选择对话框直接选择 JSON 模型文件，从而避免环境配置问题。如果默认模型（如 ts9）能正常工作而自定义模型不行，则可能是自定义 JSON 文件有问题。","https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Fissues\u002F12",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},12020,"遇到爆音或卡顿问题该如何排查？","首先检查采样率，SmartAmp 专为 44.1kHz 设计，使用其他采样率可能导致问题。其次，尝试调整音频缓冲区大小（buffer size）。如果问题依旧，可能与特定插件实现有关，建议对比测试其他基于 JUCE 的插件以排除系统共性問題。","https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Fissues\u002F13",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},12021,"模型是否包含箱体模拟（Cab Emulation），还是需要额外插件？","根据社区讨论，部分模型（如 cleancompressor）可以直接用于混音且效果良好，但关于是否内置箱体模拟需视具体模型而定。用户反馈表明，某些模型在不加额外箱体模拟的情况下也能获得不错的声音，但若需要更完整的吉他音色链，通常建议配合专门的箱体模拟插件使用以获得最佳效果。","https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Fissues\u002F19",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},12022,"在 Windows 版 Reaper 中切换插件时界面卡死怎么办？","该问题已在 1.3 版本中修复。维护者通过正确处理图形渲染逻辑解决了 Windows 10 下 Reaper 宿主中 GUI 锁定且无法切换到其他插件的问题。请确保升级到最新版本。","https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Fissues\u002F4",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},12023,"是否有 Linux 版本可用，安装有什么注意事项？","项目提供 Ubuntu Linux 版本且未发现重大问题。对于 NixOS 等特殊发行版，可能需要从源码编译以避免依赖问题。此外，若需支持 LV2 格式，可参考使用特定的 JUCE 分支（如 DISTRHO 或 lv2-porting-project 的 fork），或通过 AUR 脚本来绕过手动步骤。","https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Fissues\u002F2",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},12024,"如何加载自定义训练的模型文件？","在 1.2 及以上版本中，可以使用插件界面上的“加载模型”按钮，通过文件选择对话框导入自定义的 JSON 模型文件。如果加载后出现噪音、延迟或过度失真，请检查模型文件是否正确转换，或尝试使用仓库中提供的默认模型（如 ts9）进行测试以排查文件问题。","https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Fissues\u002F1",{"id":155,"question_zh":156,"answer_zh":157,"source_url":158},12025,"该插件的建模原理是快照式（Profiling）还是动态建模（Modelling）？","虽然早期讨论涉及此话题，但该项目旨在通过神经网络实现动态建模，即调整参数时类似于真实旋钮的变化，而非简单的静态快照加后期 EQ。相关技术细节可参考关联项目如 Kapitonov-Plugins-Pack 或 SwankyAmp 的实现思路。","https:\u002F\u002Fgithub.com\u002FGuitarML\u002FSmartGuitarAmp\u002Fissues\u002F3",[160,165,170,175,180,185],{"id":161,"version":162,"summary_zh":163,"released_at":164},62464,"v1.3","SmartAmp 1.3 版本发布\n\n版本 1.3 更新内容\n\n- 添加了 CMake 支持及通用最佳实践更新\n- 新增 Windows、Mac 和 Linux 平台的安装程序\n- 修复了图形界面处理问题\n- 移除了自定义加载按钮以简化插件功能；该功能已在最新版 SmartPedal 插件中以更优的方式实现\n- 修复了 DAW 中保存会话时参数无法正确保存的问题\n- 升级至 JUCE 7 及最新版 Eigen 库\n- 新增 AAX 和 Linux 版本，移除独立应用程序及 Win32 版本\n注：今后 GuitarML 将不再支持独立应用程序和 Win32 版本，因为这些版本几乎无人使用或已无必要。\n\n可用格式（通过安装程序提供）：\n- Windows 10\u002F11 64 位（VST3、AAX）\n- Mac OS 10.15 及以上版本（AU、VST3、AAX）\n- Linux（基于 Ubuntu 18 编译）（VST3、LV2）","2022-08-31T10:28:47",{"id":166,"version":167,"summary_zh":168,"released_at":169},62465,"v_1.2","SmartAmp 在 Mac 上的首次发布。提供 VST3 和 AU 格式。\n\n注意：TonePack 兼容所有平台，请查看最新的 Windows 版本以下载 TonePack.zip 文件。","2020-12-09T22:18:06",{"id":171,"version":172,"summary_zh":173,"released_at":174},62466,"v1.2.0","Ubuntu Linux 版本 1.2.0\n\n    - 新增“加载音色”按钮，用于加载 .json 格式的模型\n\n注意：请将“SmartAmp.vst.zip”压缩包解压到您的 VST3 插件目录（例如 “~\u002F.vst3\u002F”），以便您的 DAW 能够识别。目前已在 Linux 平台的 Reaper 上进行了测试。","2020-11-14T00:13:08",{"id":176,"version":177,"summary_zh":178,"released_at":179},62467,"v1.2","SmartAmp 插件 Windows 10 版本发布。\n- 新增“加载音色”按钮，方便快速加载音色模型。\n- 修复了旋钮状态保存问题。\n- 添加了包含额外自定义音色的 TonePack.zip 文件。\n- 为部分音色模型新增了可选的 level_adjust 参数，用于均衡各个音色模型的音量大小。","2020-11-13T02:31:17",{"id":181,"version":182,"summary_zh":183,"released_at":184},62468,"v1.1","Ubuntu Linux 版本 1.1\n  - 修复了旋钮状态问题，现在在关闭和重新打开 FX GUI 后会保存旋钮的位置。\n\n注意：请将“SmartAmp.vst.zip”解压到您的 VST3 插件目录（例如“~\u002F.vst3\u002F”），以便您的 DAW 能够识别。目前已在 Linux 版 Reaper 中进行了测试。","2020-10-27T19:44:36",{"id":186,"version":187,"summary_zh":188,"released_at":189},62469,"1.0","SmartAmp VST3 和独立可执行文件的 Windows 10（VS2019 构建版本）。","2020-09-26T10:52:14"]