技术洞察 / INSIGHTS

把曲谱变成数据,再变成能力

这一页讲清我们到底在做什么工程:一份谱如何被机器读懂,读懂之后能长出哪些能力, 以及哪些事我们现在还做不到。技术事实如实写,尚未发生的合作案例留成可替换的内容位。

01

一条数据链路

四步,从纸到可计算。稀缺的是第二步,也是韵智曲谱在做的事。

01

纸谱与扫描件

大量曲谱仍是纸质或图片,分散在私人收藏与机构档案里。它们是原料,不是数据。

02

OMR 识别

把谱面还原成音符、时值、调性、力度,输出为 MusicXML。这一步决定数据中心能长多大。

03

结构化数据中心

统一存储、校验与索引,形成可编辑、可改编、可持续增长的曲谱资产。

04

检索与体验

自然语言、图像、音频找谱,以及点音符、试听、移调这些真正被用起来的交互。

这条链路不是一次走完的,而是一个不断转起来的循环:曲谱是一点一点积累起来的, 仅靠人工整理太慢,于是我们先做了韵智曲谱——它是唯一往数据中心写入曲谱的产品, 也是第一个完成的产品。库越大,下游的检索、练琴与分轨体验才越有价值; 而库要继续变大,又反过来要求识别更准、更快。

人看到的

一段旋律,写在五条线上

机器读到的
<score-partwise version="4.0">
  <part id="P1">
    <measure number="1">
      <attributes>
        <divisions>1</divisions>
        <key><fifths>0</fifths></key>
        <time><beats>4</beats>
              <beat-type>4</beat-type></time>
      </attributes>
      <note>
        <pitch><step>C</step>
                <octave>4</octave></pitch>
        <duration>1</duration>
        <type>quarter</type>
      </note>
      <!-- …后面每个音符都一样可解析 -->
    </measure>
  </part>
</score-partwise>

每个音名、时值、调号都是字段

示意片段采用标准 MusicXML 结构。真实的识别结果可以直接在 曲谱库里点开每一个音符查看。

02

技术笔记

计划中的三篇长文。下面是章节骨架,不是结论;正文待补齐。

待补充

从图片到 MusicXML

OMR 的输出为什么必须是结构化的,而不是一张更干净的图。

  1. 谱面要素:谱号、调号、拍号、音符与力度
  2. 识别结果的校验与常见误差来源
  3. 从识别输出到可演奏序列
待补充

曲谱结构化与 RAG 检索

当谱面变成字段,检索才可能从「找文件名」变成「找一段旋律」。

  1. 曲谱的向量化与元数据索引
  2. 自然语言提问如何落到具体乐章
  3. 检索结果的可解释性
待补充

MusicXML 在教学与展陈中的应用

同一份数据,如何变成练习谱、分谱与展陈里的互动内容。

  1. 移调、分谱与难度的重新生成
  2. 点读、试听与逐音讲解
  3. 私有馆藏的数字化呈现
03

现状与边界

能说清的写清适用条件,说不清的不硬凑数字。以下是阶段性现状,我们正在持续优化。

识别能力 通常 90% 以上

电子版 / 清晰扫描版的识别准确率通常可达 90% 以上,更适合直接提交;手机拍照受倾斜、阴影、反光与模糊影响,会明显偏低,暂不建议使用。

识别效果随稿件质量变化,无法保证 100% 完美,建议识别后人工校对关键音符与节奏。

数据中心规模 十万量级

公司自有的曲谱资源已积累十万量级,属于内部基建,为音韵矩阵、谱韵随行、Midi 分轨钢琴等产品提供数据支撑。

曲谱是一点一点积累起来的,韵智曲谱正是为了持续扩展这座库而开发。

合作案例 待授权后补充

第一个完成的产品是韵智曲谱,目前尚未正式推广,因此这里不列用户量与案例; 后续若有可授权公开的机构合作场景,欢迎 联系我们补充。

04

常见问题

把能力边界写在明处,比多写一句宣传语有用。

为什么一定要 MusicXML,PDF 或高清图片不行吗?

图片能给人看,但机器读不出「这是哪个音、占几拍」。MusicXML 把音名、时值、调性、 力度都写成字段,才能移调、分谱、试听、被检索,也才能在不同终端上重新排版。 我们的目标不是把谱存下来,是让谱可以被计算。

识别结果可以直接拿去用吗?

识别输出是可编辑的 MusicXML,但任何 OMR 都可能对模糊、手写或复杂排版产生误差, 正式使用前建议人工校对。我们更愿意把「需要校对」说在前面,而不是给一个漂亮的准确率数字。 可以在 韵智曲谱 用自己的谱实际试一次。

什么样的谱面更适合识别?当前有哪些限制?

电子版 / 清晰扫描版更适合直接提交识别;手机拍照受倾斜、阴影、反光与模糊影响, 识别准确率会明显偏低,暂不建议使用。识别效果随稿件质量变化,无法保证 100% 完美。

受当前算力限制,识别速度仍偏慢;同时最多进行 3 个任务,单次最多提交 5 页。 以上仅为阶段性现状,我们正在持续优化中。可以到 韵智曲谱 用自己的谱实际试一次。

曲谱库里的谱可以下载吗?

目前 曲谱库 在浏览器里渲染示例数据, 用来演示「同一份数据既能看谱也能查音符」,以在线浏览为主,暂不提供全量文件下载。 如需 MusicXML、PDF 等格式用于研究或合作评估,请 联系我们 说明用途与曲目范围; 曲目权属与下架申请见 版权声明。 可公开分发的样例 MusicXML 与资源下载页在规划中,见 更新日志。

支持私有化部署吗?

面向机构、学校、图书馆的私有化部署是「音韵矩阵」规划中的能力(研发中), 目标是数据留在合作方服务器上。现有可立即使用的是韵智曲谱识别服务; 具体场景、前置条件与可承接范围请 联系我们 逐项沟通。