研究 · 2026 · 進行中
A Dual Evaluation for Music Transcription
同時以「樂譜」與「播放」評估自動採譜
採譜得到的樂譜既會被閱讀、也會被播放，因此我們從兩方面評估：與參考樂譜的樂譜相似度，以及與原始演奏的播放相似度，並以超過 100 位受試者的聽測實驗驗證。
角色： 第一作者 · 華盛頓大學 Noah’s ARK
- amt
- evaluation
- mir
動機
自動採譜（automatic music transcription, AMT）的輸出是樂譜，而樂譜有兩種用途： 樂手會閱讀它，它也可以被播放。一份採譜結果可能看起來乾淨、忠實，聽起來卻不像原本的演奏； 也可能聽起來正確，卻難以閱讀。單一指標無法同時涵蓋這兩點。
方法
我們從兩個互補的面向評估採譜結果：
- 樂譜相似度：與參考樂譜比較，使用光學樂譜辨識（OMR）文獻中的指標。
- 播放相似度：與原始演奏比較。我們以聽測實驗檢驗多種候選方法，實驗包含超過 100 位受試者與 230 段鋼琴錄音，涵蓋 23 首作品、30 位演奏者與 6 位作曲家。
發現
- 與人類判斷最一致的播放指標 CLEWS，同時也是計算成本最低的。
- 在 24 種流程（8 個音訊轉 MIDI 模型 × 3 個 MIDI 轉樂譜工具）中，兩個面向偏好不同的系統； 流程在哪個目標上表現較好，主要取決於 MIDI 轉樂譜的工具。
- 新的端到端系統 Rubato 大幅提升樂譜相似度，同時在播放相似度上仍具競爭力。
閱讀 arXiv 上的論文。