Ambia-Sound-Generator

Basierend auf dem sehr inspirienden Projekt „LAYSIE“ vom MAKE-Magazin hier eine Variante, die ohne Lyrics auskommt. Die Laysie-Song-Ergebnisse sind ja für einen Moment lustig, vor allem weil die eingesprochenen Texte sehr schnell und unmittelbar in Musik umgesetzt werden. Aber Songs, also Musik mit Text, ist mir eher zu langweilig. Meine Idee von einem Track-Generator, also Sounds ohne Text, kommt sogar mit weniger Ressourcen aus, man braucht die Claude- und Whisper-APIs nicht, nur Suno, der über KIE.AI verwaltet wird.
Hardware besteht hier aus einem Piunora-Carrier-Board plus CM4-Modul, Waveshare-OLED und dem Standard-Rotary-Encoder KY-040, den man immer rumliegen lassen sollte.
Raspberry Pi 4 oder CM4-Module sind für diese Anwendung total ausreichend, die LAYSIE-Software fängt schon nach ca. 10 Prozent des Renderings an, den fertigen Sound zu streamen, das ist extrem zeitsparend. Das OLED-Display kann hier das komplette Menü abbilden, das ist ein grosser Unterschied zum LAYSIE-Display, einem 16×2-LCD-Modul. Die Audio-Ausgabe über Bluetooth ist manchmal hakelig, aber das liegt ganz klar an dem Unterschied von eigens gebauten Bluetooth-Speaker und gekauftem Bluetooth-Speaker.
Die Ergebnisse sind ganz annehmbar, nächster Schritt wäre, die alle in ein Radio-Verzeichnis zu schieben, um sie im lokalen Radio verfügbar zu haben.


Continue reading „Ambia-Sound-Generator“

Poster separieren von Fotos (OpenCV/PyTorch/Claude)

Um 89000 Bilder nach Inhalt zu sortieren, braucht man ein paar Resourcen, bei mir ein Desktop-System mit Ubuntu. Claude Desktop gibt es seit dem 30. Juni auch als Linux-Variante (Beta). Anbei alle Files und eine Dokumentation über alle Schritte inkl. Software-Vorraussetzungen und -Installation. Das finale Model ist „poster_photo_classifier.pt“, das man in dieser Konstellation neu verwenden kann. In „clip_classify.py“ werden die Prompts für die Inhalte definiert, alle Inhalte liegen in „input“, in meinem Fall komplett ohne Hinweis-Labels, also nur durchnumerierte JPEGs.

Poster-Photo-Classifier-data.zip, 7 MB

Workflow-Dokumentation, MD-File, 9 KB

Input-Data, 24 GB