Kas jāatpazīst optiskajai nošu atpazīšanai
Teksta OCR nolasa rakstzīmes rindā. Nošu pieraksts ir divdimensiju: nots vertikālais novietojums nosaka augstumu, horizontālais grupējums ietekmē ritmu, un simboli var attiekties uz vienu noti, vienu balsi, vienu nošu sistēmu vai visu sistēmu kopumu.
OMR sistēmai jāatrod nošu sistēmu grupas, jānovērš perspektīvas deformācija, jāatpazīst simboli, jāizsecina to savstarpējās attiecības un rezultāts jāiekodē mašīnlasāmā partitūrā. Pētījumu pārskatos kā galvenās problēmas konsekventi tiek minēti sarežģīti izkārtojumi, bojātas lapas, rokraksts un nekonsekventa novērtēšana.
Kā fotografēt partitūru labākai atpazīšanai
Atpazīšana nevar atjaunot informāciju, kas ir izplūdusi, nogriezta, paslēpta atspīdumā vai saspiesta pārāk maz pikseļos. Pirms augšupielādes uzlabojiet avota kvalitāti.
- Novietojiet lapu uz līdzenas virsmas un fotografējiet to tieši no augšas.
- Izmantojiet vienmērīgu apgaismojumu un nepieļaujiet ēnas pāri nošu līnijām vai atspīdumus no spīdīgas virsmas.
- Iekļaujiet visu lapu, vienlaikus nodrošinot pietiekami lielu nošu attēlu, lai būtu saskatāmas palīglīnijas un punkti.
- Novērsiet perspektīvas kropļojumu un pagrieziet lapu tā, lai nošu līnijas būtu horizontālas.
- Uzņemiet pa vienai lapai un saglabājiet lapu secību ārpus atpazīšanas procesa.
- Dodiet priekšroku tīram oriģinālam vai augstas izšķirtspējas PDF, nevis saspiesta attēla ekrānuzņēmumam.
Pārbaudiet muzikālās attiecības, ne tikai simbolus
Viskaitīgākās kļūdas ir strukturālas: trūkstoša balss, nepareizs ilgums, nepareiza takts robeža vai pie nepareizās nots piesaistīta alterācijas zīme. Salīdziniet katru takti ar avotu un noklausieties atskaņojumu, pirms koriģējat izkārtojumu.
Pārbaudiet atslēgas, tonalitātes un taktsmēra zīmes, trioļu un citu grupējumu pierakstu, saites, punktētos ritmus, nošu pierakstu vairākās nošu sistēmās, tekstu, kā arī atkārtojumu struktūru. Ar roku rakstītas piezīmes un neparasts mūsdienu nošu pieraksts var būt jāievada manuāli no jauna, pat ja drukātās notis ir labi atpazītas.
Izvēlieties rediģējamu izvades formātu
PDF un PNG saglabā izskatu, bet nekļūst par rediģējamu mūziku. MusicXML ir praktiska izvēle, ja vēlaties koriģēt nošu pierakstu citā redaktorā, savukārt MIDI noder, ja galvenokārt vajadzīgi augstumi un izpildījuma notikumi.
NotationAI pārvērš atpazīšanas rezultātu par to pašu partitūru, ko izmanto rediģēšanai, atskaņošanai, praktizēšanai un sadarbībai. Verifikācijas laikā turiet redzamu oriģinālo lapu un saglabājiet to kopā ar projektu, lai nākamie redaktori varētu atrisināt neskaidros fragmentus.
Turpiniet ar rediģējamu partitūru
Uztveriet, rediģējiet, aranžējiet, vingrinieties un sadarbojieties vienā NotationAI produktā — lietotnē un tīmeklī.
Bieži uzdotie jautājumi
Vai ar roku rakstītas mūzikas fotoattēlu var pārvērst rediģējamā partitūrā?
Dažkārt var, taču rokraksts ir daudz mainīgāks nekā drukāts nošu pieraksts. Rēķinieties ar plašāku labošanu, īpaši ritmā, frāžu saitēs, balsīs un nestandarta simbolos.
Kāpēc MusicXML pēc AI atpazīšanas ir labāks par PDF?
PDF apraksta lapas attēlu vai izkārtojumu. MusicXML apraksta muzikālo struktūru, ko nošu programmatūra var rediģēt, atskaņot un pārformatēt.
Vai augstākas izšķirtspējas fotoattēls vienmēr uzlabo OMR?
Tikai līdz brīdim, kad simboli ir skaidri saskatāmi. Fokuss, apgaismojums, perspektīva, kadrējums un lapas stāvoklis var būt svarīgāki par papildu pikseļiem sliktas kvalitātes attēlā.