Ano ang kailangang makuha ng optical music recognition
Binabasa ng text OCR ang mga karakter sa isang linya. Dalawahang dimensiyon ang notasyong musikal: tinutukoy ng patayong posisyon ng nota ang tono, nakaaapekto sa ritmo ang pahalang na pagpapangkat, at maaaring umiral ang mga simbolo sa isang nota, isang boses, isang staff, o isang buong sistema.
Kailangang hanapin ng isang OMR system ang mga sistema ng staff, alisin ang pagbaluktot ng perspektiba, kilalanin ang mga simbolo, maghinuha ng mga ugnayan, at i-encode ang resulta bilang iskor na nababasa ng makina. Palaging tinutukoy ng mga surbey sa pananaliksik bilang mahahalagang hamon ang masasalimuot na layout, sirang pahina, sulat-kamay, at hindi magkakatugmang pagsusuri.
Paano kunan ng larawan ang iskor para sa mas mahusay na recognition
Hindi maibabalik ng recognition ang impormasyong malabo, naputol, natatakpan ng silaw, o siniksik sa napakakaunting pixel. Pagbutihin muna ang pinagmulan bago ito i-upload.
- Ilatag nang patag ang pahina at kunan ito nang diretso mula sa itaas.
- Gumamit ng pantay na liwanag at iwasan ang mga aninong tumatawid sa mga guhit ng staff o mga repleksiyon mula sa makintab na ibabaw.
- Isama ang buong pahina habang sapat na malaki ang notasyon upang makita ang mga ledger line at tuldok.
- Alisin ang pagkiling ng perspektiba at paikutin ang pahina upang pahalang ang mga guhit ng staff.
- Kunan ang tig-iisang pahina sa bawat pagkakataon at panatilihin ang pagkakasunod-sunod ng mga pahina sa labas ng hakbang ng recognition.
- Mas piliin ang malinis na orihinal o PDF na may mataas na resolusyon kaysa screenshot ng naka-compress na larawan.
Suriin ang mga ugnayang musikal, hindi lamang ang mga simbolo
Estruktural ang pinakamapaminsalang mga error: nawawalang boses, maling haba, maling hangganan ng sukat, o accidental na nakakabit sa maling nota. Ihambing ang bawat sukat sa pinagmulan at pakinggan ang playback bago ayusin ang layout.
Suriin ang mga clef, key at time signature, tuplet, tie, dotted rhythm, notasyong tumatawid sa staff, liriko, at mga estruktura ng ulit. Maaaring kailangang muling ipasok nang mano-mano ang mga sulat-kamay na anotasyon at di-karaniwang kontemporaryong notasyon kahit mahusay makilala ang mga nakalimbag na nota.
Pumili ng nae-edit na output
Pinananatili ng PDF at PNG ang hitsura ngunit hindi nagiging nae-edit na musika ang mga ito. Praktikal na output ang MusicXML kapag nais mong iwasto ang notasyon sa ibang editor, samantalang kapaki-pakinabang ang MIDI kapag tono at mga pangyayari sa pagtatanghal lamang ang pangunahing kailangan mo.
Ginagawang kaparehong iskor na ginagamit sa pag-edit, playback, pagsasanay, at pakikipagtulungan ng NotationAI ang resulta ng recognition. Panatilihing nakikita ang orihinal na pahina habang nagsusuri at itabi ito sa proyekto upang maresolba ng mga susunod na editor ang mga bahaging hindi tiyak.
Magpatuloy gamit ang nae-edit na score
Kumuha, mag-edit, magsaayos, magsanay, at makipagtulungan sa iisang produkto ng NotationAI sa App at Web.
Mga madalas itanong
Maaari bang gawing nae-edit na iskor ang larawan ng sulat-kamay na musika?
Minsan, ngunit mas malaki ang pagkakaiba-iba ng sulat-kamay kaysa sa nakalimbag na notasyon. Asahan ang mas maraming pagwawasto, lalo na sa ritmo, mga slur, boses, at di-pamantayang simbolo.
Bakit mas mainam ang MusicXML kaysa PDF pagkatapos ng AI recognition?
Inilalarawan ng PDF ang larawan o layout ng pahina. Inilalarawan ng MusicXML ang estrukturang musikal na maaaring i-edit, patugtugin, at baguhin ang format ng software sa notasyon.
Palagi bang nagpapahusay sa OMR ang larawang may mas mataas na resolusyon?
Hanggang malinaw nang nakikita ang mga simbolo lamang. Maaaring mas mahalaga ang pokus, ilaw, perspektiba, pagkakagupit, at kondisyon ng pahina kaysa sa pagdaragdag ng mga pixel sa mahinang kuha.