Hvad optisk musikgenkendelse skal genskabe
Tekst-OCR læser tegn på en linje. Musiknotation er todimensional: nodens lodrette position bestemmer tonehøjden, den vandrette gruppering påvirker rytmen, og symboler kan gælde for én node, én stemme, ét nodesystem eller et helt system af nodesystemer.
Et OMR-system skal finde systemer af nodesystemer, fjerne perspektivforvrængning, genkende symboler, udlede relationer og kode resultatet som en maskinlæsbar nodeudskrift. Forskningsoversigter fremhæver konsekvent komplekse layout, beskadigede sider, håndskrift og inkonsekvent evaluering som store udfordringer.
Sådan fotograferer du noder, så de genkendes bedre
Genkendelse kan ikke genskabe information, der er sløret, beskåret, skjult af genskin eller komprimeret til for få pixels. Forbedr kilden, før du uploader den.
- Læg siden fladt, og fotografer den direkte ovenfra.
- Brug jævn belysning, og undgå skygger hen over nodesystemets linjer og refleksioner fra blanke overflader.
- Få hele siden med, og sørg samtidig for, at notationen er stor nok til, at hjælpelinjer og prikker kan ses tydeligt.
- Fjern perspektivskævhed, og drej siden, så nodesystemets linjer er vandrette.
- Tag ét billede pr. side, og hold sidernes rækkefølge uden for genkendelsestrinnet.
- Foretræk en ren original eller en PDF i høj opløsning frem for et skærmbillede af et komprimeret billede.
Kontrollér de musikalske relationer, ikke kun symbolerne
De mest skadelige fejl er strukturelle: en manglende stemme, forkert varighed, forkert taktgrænse eller et fortegn knyttet til den forkerte node. Sammenlign hver takt med kilden, og lyt til afspilningen, før du justerer layoutet.
Kontrollér nøgler, tonearts- og taktartsangivelser, nodegrupper, bindebuer, punkterede rytmer, notation på tværs af nodesystemer, sangtekster og gentagelsesstrukturer. Håndskrevne kommentarer og usædvanlig moderne notation kan kræve manuel indtastning, selv når de trykte noder genkendes godt.
Vælg et redigerbart output
PDF og PNG bevarer udseendet, men bliver ikke til redigerbar musik. MusicXML er det praktiske output, når du vil rette notation i et andet program, mens MIDI er nyttigt, når du primært har brug for tonehøjde og hændelser fra udførelsen.
NotationAI omdanner genkendelsesresultatet til den samme nodeudskrift, som bruges til redigering, afspilning, øvelse og samarbejde. Behold den oprindelige side synlig under kontrollen, og gem den sammen med projektet, så fremtidige redaktører kan afklare usikre passager.
Fortsæt med et redigerbart partitur
Indfang, redigér, arrangér, øv og samarbejd i det samme NotationAI-produkt på tværs af App og Web.
Ofte stillede spørgsmål
Kan et foto af håndskrevet musik blive til en redigerbar nodeudskrift?
Nogle gange, men håndskrift varierer langt mere end trykt notation. Forvent flere rettelser, især af rytme, buer, stemmer og ustandardiserede symboler.
Hvorfor er MusicXML bedre end PDF efter AI-genkendelse?
PDF beskriver et sidebillede eller et layout. MusicXML beskriver en musikalsk struktur, som nodesoftware kan redigere, afspille og omformatere.
Giver et foto med højere opløsning altid bedre OMR?
Kun indtil symbolerne står tydeligt. Fokus, belysning, perspektiv, beskæring og sidens tilstand kan betyde mere end flere pixels i en dårlig optagelse.