Que debe recuperar o recoñecemento óptico de música
O OCR de texto le caracteres nunha liña. A notación musical é bidimensional: a posición vertical dunha nota determina a altura, a agrupación horizontal afecta o ritmo e os símbolos poden aplicarse a unha nota, unha voz, un pentagrama ou un sistema enteiro.
Un sistema OMR debe localizar os sistemas de pentagramas, eliminar a distorsión da perspectiva, recoñecer símbolos, inferir relacións e codificar o resultado nunha partitura lexible por máquina. As revisións de investigación sinalan sistematicamente como grandes retos as disposicións complexas, as páxinas deterioradas, a escritura a man e a avaliación inconsistente.
Como fotografar unha partitura para mellorar o recoñecemento
O recoñecemento non pode recuperar información borrosa, recortada, oculta polo brillo ou comprimida en moi poucos píxeles. Mellora a fonte antes de cargala.
- Coloca a páxina plana e fotografa directamente desde arriba.
- Usa unha iluminación uniforme e evita sombras sobre as liñas do pentagrama ou reflexos en papel brillante.
- Inclúe a páxina enteira, pero mantén a notación o bastante grande como para distinguir as liñas adicionais e os puntos.
- Elimina a inclinación da perspectiva e xira a páxina para que as liñas do pentagrama queden horizontais.
- Captura unha páxina cada vez e conserva a orde das páxinas fóra do paso de recoñecemento.
- Escolle un orixinal limpo ou un PDF de alta resolución en vez dunha captura de pantalla dunha imaxe comprimida.
Revisa as relacións musicais, non só os símbolos
Os erros máis prexudiciais son estruturais: unha voz que falta, unha duración incorrecta, un límite de compás equivocado ou unha alteración accidental asignada á nota incorrecta. Compara cada compás coa fonte e escoita a reprodución antes de axustar a disposición.
Comproba as claves, as armaduras e os indicadores de compás, os grupos irregulares, as ligaduras de prolongación, os ritmos con puntillo, a notación entre pentagramas, as letras e as estruturas de repetición. Pode ser necesario volver introducir manualmente as anotacións manuscritas e a notación contemporánea pouco habitual, mesmo cando as notas impresas se recoñezan ben.
Escolle un formato de saída editable
PDF e PNG conservan o aspecto, pero non se converten en música editable. MusicXML é a opción práctica se queres corrixir a notación noutro editor, mentres que MIDI resulta útil cando principalmente necesitas alturas e eventos de interpretación.
NotationAI transforma o resultado do recoñecemento na mesma partitura que se usa para editar, reproducir, practicar e colaborar. Mantén visible a páxina orixinal durante a verificación e gárdaa co proxecto para que os futuros editores poidan resolver as pasaxes incertas.
Continúa cunha partitura editable
Captura, edita, fai arranxos, practica e colabora co mesmo produto NotationAI, na app e na web.
Preguntas frecuentes
Pódese converter unha foto de música manuscrita nunha partitura editable?
Ás veces, pero a escritura a man varía moito máis ca a notación impresa. Agarda ter que facer máis correccións, especialmente no ritmo, as ligaduras de expresión, as voces e os símbolos non estándar.
Por que MusicXML é mellor ca PDF despois do recoñecemento con IA?
PDF describe unha imaxe de páxina ou unha disposición. MusicXML describe unha estrutura musical que o software de notación pode editar, reproducir e reformatear.
Unha foto de maior resolución sempre mellora o OMR?
Só ata que os símbolos se distinguen con claridade. O enfoque, a iluminación, a perspectiva, o recorte e o estado da páxina poden importar máis ca engadir píxeles a unha captura deficiente.