Loading repository data…
Flex1-tech / repository
Une application de bureau pour des recommandations musicales hors ligne
Système intelligent de recommandation musicale local basé sur l'analyse audio par IA, les embeddings vectoriels et un moteur de classement MMR.
Musical Recommender System v2 est une application desktop moderne permettant de générer automatiquement des playlists personnalisées à partir de vos fichiers audio locaux.
Le système fonctionne entièrement hors-ligne et apprend les préférences musicales de l'utilisateur à partir de morceaux likés.
.m3u81. Importation des fichiers audio
↓
2. Sélection des morceaux favoris
↓
3. Analyse audio par IA
↓
4. Construction du profil utilisateur
↓
5. Classement intelligent MMR
↓
6. Génération de playlist
↓
7. Lecture automatique via VLC
musical-recommender-v2/
│
├── main.py
├── app.py
├── func.py
├── extraction.py
├── schema.py
│
├── msd-musicnn-1.onnx
├── requirements.txt
│
├── assets/
│ ├── light_upload.png
│ ├── dark_upload.png
│ ├── coeur_gris.png
│ ├── coeur_rouge.png
│ ├── loader.png
│ └── banner.png
│
└── MusicRecommenderDB/
└── audio_embeddings.lance
Audio File
↓
FFmpeg decoding
↓
PCM float32 16kHz mono
↓
Segmentation 10 secondes
↓
Sélection des segments représentatifs
↓
Musicnn (ONNX Runtime)
↓
Embeddings audio
↓
Mean Pooling + L2 Normalization
↓
Vecteur 200 dimensions
↓
LanceDB
↓
MMR Ranking
↓
Playlist finale
so.graph_optimization_level = ort.GraphOptimizationLevel.ORT_ENABLE_ALL
so.intra_op_num_threads = max(1, cpu // 2)
so.inter_op_num_threads = 1
Vous n'êtes pas développeur et vous voulez juste essayer l'application ?
Pas besoin d'installer Python, ni de compiler quoi que ce soit.
1. Téléchargez le fichier ZIP
2. Extrayez le ZIP
Faites un clic droit sur le fichier téléchargé → Extraire tout... → choisissez un dossier.
⚠️ Ne lancez pas l'application directement depuis le ZIP — extrayez d'abord.
3. Installez VLC (si ce n'est pas déjà fait)
VLC est nécessaire pour lire la playlist générée.
👉 https://www.videolan.org/vlc/
4. Lancez l'application
Ouvrez le dossier extrait et double-cliquez sur MusicRecommender.exe.
💡 Note Windows : Si Windows affiche un avertissement de sécurité ("Windows a protégé votre ordinateur"), cliquez sur Informations complémentaires puis Exécuter quand même. Cela est normal pour les applications non signées.
Les embeddings audio sont stockés localement dans LanceDB.
Chaque morceau possède un identifiant unique basé sur un hash BLAKE3 du contenu du fichier.
Ainsi :
class TrackEmbeddingModel(LanceModel):
file_name: str
file_path: str
file_hash: str
file_size_bytes: int
vector: Vector(200)
Le système utilise Maximal Marginal Relevance (MMR) afin d'équilibrer :
MMR_score =
λ × sim(profil, candidat)
−
(1 − λ) × max_sim(candidat, sélectionnés)
| λ | Résultat |
|---|---|
| 1.0 | Pertinence maximale |
| 0.7 | Équilibre pertinence/diversité |
| 0.0 | Diversité maximale |
Vous êtes développeur et souhaitez modifier ou contribuer au projet ?
Suivez les étapes ci-dessous. Sinon, consultez la section Téléchargement rapide ci-dessus.
git clone https://github.com/Flex1-tech/Local_Recommendation_Engine.git
cd musical-recommender-v2
python -m venv .venv
.venv\Scripts\activate
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
ffmpeg -version
vlc --version
python main.py
| Étape | Description |
|---|---|
| Import | Ajouter des fichiers audio |
| Likes | Sélectionner au moins 3 morceaux |
| Analyse | Lancer le moteur IA |
| Playlist | Génération automatique |
| Lecture | Ouverture automatique VLC |
grid| Élément | Couleur |
|---|---|
| Accent principal | #FF8E25 |
| Hover | #F36C19 |
| Fonctionnalité | v1 | v2 |
|---|---|---|
| Interface moderne | ❌ | ✅ |
| Recherche dynamique | ❌ | ✅ |
| Threading UI | ❌ | ✅ |
| LanceDB | ❌ | ✅ |
| Cache embeddings | ❌ | ✅ |
| MMR Ranking | ❌ | ✅ |
| Playlist intelligente | Basique | Avancée |
python -c "from extraction import load_musicnn; s = load_musicnn(); print('Musicnn OK')"
python -c "from extraction import initialize_database; t = initialize_database('.'); print(t.count_rows(), 'entrées')"
python -c "
from extraction import compute_embedding, load_musicnn
s = load_musicnn()
v = compute_embedding('test.mp3', s)
print(v.shape if v is not None else 'None')
"
Musicnn / Essentia
CustomTkinter
LanceDB
BLAKE3
Le présent accord de licence (la « Licence ») régit l'utilisation, la copie et la distribution du projet et de l'ensemble de ses fichiers associés (le « Logiciel ») développés par Flex1-tech (l' « Auteur »).
En téléchargeant, installant ou utilisant le Logiciel, vous acceptez d'être lié par les termes de cette Licence.
L'Auteur concède par la présente une licence mondiale, non exclusive et non transférable, permettant d'utiliser le Logiciel à titre gratuit exclusivement pour les finalités suivantes :
Tout usage non expressément autorisé à l'Article 1 est formellement interdit sans l'obtention préalable d'une Licence Commerciale écrite et signée par l'Auteur. Sont notamment qualifiés d'usages commerciaux :
Selected from shared topics, language and repository description—not editorial ratings.
iFairPlay22 /
Ecosystème permettant de donner l'accès à la description d'images au malvoyants. Basé sur un réseau de Deep Learning complexe, l'écosystème est composé d'une extension de naviguateur, d'un bot discord, d'une application mobile et d'un site internet.
Démo de création d'une application RAG à partir de Langchain