Installer HeartMuLa
Exécutez le générateur de musique IA open source sur votre propre matériel
Configuration Requise
| Composant | Minimum | Recommandé |
|---|---|---|
| GPU | 16GB VRAM (FP16 quantized) | 24GB+ VRAM |
| RAM | 32GB | 64GB |
| Storage | 20GB free space | 50GB+ SSD |
| OS | Linux / Windows 10+ | Ubuntu 22.04 / Windows 11 |
| Python | 3.10 | 3.10 - 3.11 |
| CUDA | 11.8 | 12.1+ |
GPUs Compatibles
Optimal (24GB+ VRAM)
Recommandé (16-24GB)
Minimum (16GB avec quantification)
Services GPU Cloud
Pas de GPU puissant ? Louez-en un chez ces fournisseurs
RunPod
GPU cloud platform with easy deployment and competitive pricing
Fonctionnalités:
- RTX 4090 and A100 available
- Pre-built templates
- Persistent storage
- Serverless option
Vast.ai
Marketplace for GPU rentals with lowest prices
Fonctionnalités:
- Bid-based pricing
- Wide GPU selection
- Docker support
- Community instances
Lambda Labs
ML-focused cloud with high-end GPUs
Fonctionnalités:
- H100 and A100 available
- Pre-installed ML stack
- On-demand and reserved
- Enterprise support
Google Colab
Free tier available, good for testing
Fonctionnalités:
- Free T4 GPU tier
- Jupyter notebook
- Google Drive integration
- A100 on Pro+ plan
Paperspace
Developer-friendly GPU cloud platform
Fonctionnalités:
- Gradient notebooks
- A100 available
- Persistent storage
- Team collaboration
Méthodes d'Installation
ComfyUI Workflow
FacileVisual node-based interface for music generation
Étapes:
- 1Install ComfyUI following official guide
- 2Install HeartMuLa custom nodes from ComfyUI Manager
- 3Download HeartMuLa model from Hugging Face
- 4Place model in ComfyUI/models/heartmula/
- 5Load the example workflow and start creating
Commandes:
cd ComfyUI/custom_nodes
git clone https://github.com/m-a-p/ComfyUI-HeartMuLa
pip install -r ComfyUI-HeartMuLa/requirements.txtPython Package
MoyenDirect Python API for programmatic access
Étapes:
- 1Create a virtual environment
- 2Install PyTorch with CUDA support
- 3Install HeartMuLa from pip
- 4Download model weights
- 5Run inference script
Commandes:
python -m venv heartmula-env
source heartmula-env/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install heartmula
heartmula download --model 3bDocker Container
AvancéContainerized deployment for production use
Étapes:
- 1Install Docker and NVIDIA Container Toolkit
- 2Pull the official HeartMuLa Docker image
- 3Run container with GPU access
- 4Access the web UI or API endpoint
Commandes:
docker pull heartmula/heartmula:latest
docker run --gpus all -p 7860:7860 heartmula/heartmula:latestQuestions Fréquentes
Puis-je exécuter HeartMuLa avec moins de 24GB de VRAM ?
Oui, avec la quantification FP16, vous pouvez exécuter sur des GPUs 16GB VRAM comme la RTX 4080. La qualité peut être légèrement réduite.
HeartMuLa fonctionne-t-il sur Mac avec Apple Silicon ?
Actuellement non. HeartMuLa nécessite CUDA (GPU NVIDIA). macOS avec Apple Silicon n'est pas encore supporté.
Combien de temps faut-il pour générer une chanson ?
Sur RTX 4090, une chanson de 3 minutes prend environ 2-3 minutes. Le temps de génération varie avec la durée.
Puis-je utiliser la musique générée commercialement ?
Oui. Le modèle open source HeartMuLa est sous licence Apache 2.0, qui autorise l'usage commercial, et n'impose aucune restriction sur la musique que vous générez avec lui sur votre propre matériel. Notez que la musique générée par IA n'est pas enregistrable au titre du droit d'auteur partout. Les chansons créées dans l'application web suivent les règles de chaque forfait (usage commercial avec Pro et Business).