BoogieBox mezcla música con IA local: separa stems y calcula el BPM real
El proyecto, para Windows y Linux, analiza cada pista con Demucs y Torch en la propia máquina y genera mezclas de DJ con transiciones cuadradas al ritmo.
BoogieBox es un servidor multimedia autoalojado para Windows y Linux con funciones de audiofilo y de DJ, y su autor acaba de dejar funcionando el análisis profundo dentro de la aplicación. Ese análisis parte cada pista en stems y calcula downbeats y BPM reales con Demucs y Torch, en lugar de tirar de los metadatos de las etiquetas. Todo el proceso ocurre en local.
El matiz importa para quien haya peleado con bibliotecas musicales: los tags de BPM suelen estar mal, o directamente ausentes, y los mezcladores que se fían de ellos arrastran el error a cada transición. Trabajar sobre el audio separado en pistas permite detectar el pulso donde realmente está. Si la máquina lleva una GPU nVidia, el autor dice que el servidor puede usar un modelo de más calidad; sin ella, el análisis se hace igual, con el modelo que corresponda a la CPU.
Qué hace BoogieMix
Sobre esos datos se apoya BoogieMix, la parte que el autor quiere que le critiquen. El usuario arma una lista de reproducción y el programa analiza los temas y monta una mezcla de DJ según unos ajustes, entre ellos un modo de mezcla de club o de build largo. Las transiciones caen en el beat y el crossfade se hace a tempo coincidente, no en dos puntos arbitrarios de cada canción con un fundido encima.
Reconoce que el resultado luce más con temas de club, aunque asegura que se puede usar con cualquier género. Es un proyecto personal y no vende nada, así que no hay precio ni edición comercial de por medio.
Lo que no cuenta el anuncio es casi todo lo que un administrador querría saber antes de instalarlo: no hay versión, ni licencia declarada, ni forma de despliegue documentada en el texto, ni requisitos concretos de memoria o VRAM para el modelo de más calidad. La página del proyecto está en yossironnen.github.io/BoogieBox, y ahí es donde habrá que mirar si eso aparece. Tampoco hay una demo pública del resultado: lo único que hay de momento es lo que el propio autor afirma sobre cómo suena.
El interés está en el patrón más que en el producto. Separar stems y detectar tempo en local con Demucs dejó de necesitar un servidor con GPU dedicada hace un par de años, y cada vez salen más herramientas que meten inferencia de audio dentro del propio equipo en vez de mandar la biblioteca a un servicio en la nube. Para una biblioteca musical grande eso es la diferencia entre tener algo que funciona sin conexión y pagar por minuto procesado. Queda por ver si el proyecto se empaqueta de forma que se pueda levantar sin pelearse con dependencias de Torch, que es donde se cae la mitad de este tipo de iniciativas.
