स्कैन किए गए शीट संगीत के आयात में नया क्या है

हमारे स्कैनिंग मॉडल का नया संस्करण अब हर आयातित PDF और फ़ोटो को पढ़ता है। यह एक नई आर्किटेक्चर पर आधारित है, जो संगीत की हर पंक्ति को अधिक विस्तार से देखती है। इसे अधिक साफ़-सुथरे उदाहरणों के संग्रह पर प्रशिक्षित किया गया है। हम जिन 26 प्रकार के संगीत पर इसका परीक्षण करते हैं, उनमें से 24 पर यह अधिक सटीक है।

• टाई और स्लर के बीच बेहतर अंतर किया जाता है। दो अलग-अलग नोटों को जोड़ने वाली वक्र रेखा को अब बहुत कम बार ऐसी टाई समझा जाता है जो दूसरे नोट की पिच बदल देती है।
• मौन स्टाफ़ को अधिक भरोसेमंद ढंग से पढ़ा जाता है। पूरे स्कोर में, जिस स्टाफ़ की पूरी पंक्ति में विराम होते हैं, उसमें अब मनगढ़ंत ड्रम नोट भरे जाने या उसे उसके पार्ट से हटा दिए जाने की घटनाएँ कम होती हैं।
• लंबे विरामों की गिनती अधिक सटीक होती है। लगातार 20 या अधिक खाली मापों का क्रम अब अपनी मुद्रित लंबाई के कहीं अधिक करीब रहता है, बजाय इसके कि उसमें दर्जनों अतिरिक्त माप जुड़ जाएँ।
• गलत नोट कम होते हैं। पिछले संस्करण की तुलना में पिच की गलतियाँ लगभग 8%, टपलेट की गलतियाँ 17% और कॉर्ड की गलतियाँ 10% कम हैं।
• पृष्ठ पर नोटों की स्थिति अधिक सटीकता से पहचानी जाती है। इससे गीत के बोल, डायनेमिक्स और अन्य चिह्न उस नोट से जुड़ पाते हैं जिसके लिए वे हैं।

हमारे स्कैनिंग मॉडल को अपडेट किया गया है। इस अपडेट में ताल संकेतों, सुर-चिह्नों और कई मात्राओं तक चलने वाले विरामों पर ध्यान दिया गया है।

• अब ज़्यादा ताल संकेत छपे हुए रूप में ही पढ़े जाते हैं। मॉडल अब 29 ताल संकेतों के साथ कॉमन टाइम और कट टाइम भी पहचानता है। इस महीने नए जोड़े गए संकेत हैं: 6/4, 7/4, 8/4, 9/4, 10/8, 11/8, 13/8, 14/8, 15/8, 9/16, 11/16, 13/16, 15/16 और 17/16। ये लोक संगीत, जैज़ और समकालीन संगीत में आम हैं। पहले इन्हें किसी परिचित ताल संकेत से बदल दिया जाता था (10/8 को 12/8 और 8/4 को 5/4 पढ़ा जाता था)। इससे मात्राओं का हिसाब बिगड़ जाता था और उन्हें ठीक करने के लिए स्वर हटा दिए जाते थे। देखें स्कैनिंग में समर्थित सभी संगीत संकेत।
• कई मात्राओं तक चलने वाले विराम अपनी सही अवधि बनाए रखते हैं। बैंड और ऑर्केस्ट्रा के पार्ट में लंबे विराम के ऊपर लिखी संख्या बताती है कि कितनी मात्राएँ गिननी हैं। अब यह संख्या बहुत कम गलत पढ़ी जाती है। पहले "10" को 100 पढ़ा जा सकता था, जिससे आपके पार्ट में दर्जनों अतिरिक्त खाली मात्राएँ जुड़ जाती थीं।
• सुर-चिह्न के बिना पंक्तियों में स्वरों की सही ऊँचाई बनी रहती है। कई पार्ट में, खासकर जैज़ चार्ट और पुराने संस्करणों में, सुर-चिह्न पृष्ठ की केवल पहली पंक्ति पर छपता है। पहले मॉडल बाकी पंक्तियों का सुर-चिह्न अनुमान से तय करता था। गलत अनुमान से पंक्ति का हर स्वर ऊपर या नीचे खिसक जाता था। अब उन पंक्तियों पर पिछली पंक्ति का सुर-चिह्न लागू रहता है।
• पृष्ठ पर मौजूद न होने वाली चीज़ें कम जुड़ती हैं। ट्रिपलेट के ऊपर छोटे "3" को अब उँगली की संख्या नहीं समझा जाता, जहाँ ऑक्टेव रेखा (8va) नहीं छपी है वहाँ उसे नहीं जोड़ा जाता, और पूरी पंक्ति में मौन रहने वाली स्वर-पंक्ति को ड्रम के स्वरों से नहीं भरा जाता।
• आपके ज़्यादा स्वर स्कोर में शामिल होते हैं। अगर किसी मात्रा में उसके ताल संकेत से अधिक बीट पढ़ी जाती हैं, तो हिसाब ठीक करने के लिए कुछ स्वर हटाने पड़ते हैं। अब लय और ताल संकेत अधिक सटीकता से पढ़े जाते हैं, इसलिए ऐसा बहुत कम होता है: हमने जिन आयातों का परीक्षण किया, उनमें लगभग 70% कम स्वर गायब हुए।

हमारे इन-हाउस मॉडल का एक नया संस्करण अब हर PDF और फ़ोटो इम्पोर्ट को संचालित करता है, खास तौर पर इस बात पर ध्यान देते हुए कि पेज पर ट्यूपलेट्स कैसे छपे होते हैं।

• इम्प्लिसिट ट्यूपलेट्स अब समर्थित हैं। एंग्रेवर आम तौर पर किसी अंश के केवल पहले ट्रिपलेट या सेक्स्ट्यूपलेट के ऊपर छोटा "3" या "6" छापते हैं, और उसके बाद आने वाले समूहों को बिना किसी चिह्न के छोड़ देते हैं — वादक से अपेक्षा की जाती है कि वह उसी पैटर्न को आगे जारी रखे। ऐसे बिना चिह्न वाले समूह इम्प्लिसिट ट्यूपलेट्स होते हैं: उन्हें ट्यूपलेट्स की तरह बजाया जाता है, भले ही ऐसा बताने के लिए कुछ भी छपा न हो। ये 19वीं सदी के संस्करणों, अभ्यास-रचनाओं और वैरिएशनों में बहुत आम हैं। स्कैनिंग अब माप की लय से इन्हें फिर से निर्मित करती है, बजाय इसके कि माप को उसके time signature में फिट करने के लिए नोट्स हटा दिए जाएँ।
• अब हवा में से गढ़े गए ट्यूपलेट्स कम होंगे। पहले मॉडल साधारण beamed समूहों को भी ट्रिपलेट के रूप में चिह्नित कर देता था, भले ही उनके ऊपर कोई संख्या छपी न हो, और वे संख्याएँ आपके स्कोर में दिखाई देती थीं। अब यह ट्यूपलेट तभी लिखता है जब वह वास्तव में पेज पर अंकित हो।

Mac और Windows ऐप अब शीट म्यूज़िक के PDF या फ़ोटो को वेब जैसी ही समीक्षा प्रक्रिया के साथ संपादन योग्य स्कोर में बदल सकते हैं।

• ऐप छोड़े बिना इम्पोर्ट करें। एक फ़ाइल चुनें, स्कैन ने क्या पढ़ा है यह जाँचें, और स्कोर खोलें।
• Mac App Store पर ऐप के अंदर ही AI credits खरीदें, ताकि वेबसाइट पर जाने की वजह से इम्पोर्ट बीच में न रुके।

हमारे इन-हाउस मॉडल का नया संस्करण अब हर PDF और फ़ोटो इम्पोर्ट को संचालित करता है, और हमारे स्कैन किए गए शीट म्यूज़िक बेंचमार्क पर 22% से 51% कम त्रुटियाँ देता है। सुधार सबसे ज़्यादा कठिन पेजों पर हैं — पुरानी एन्ग्रेविंग और असमान प्रिंट वाले पेजों पर।

Flat के इन-हाउस मॉडल का बेहतर संस्करण अब हर PDF और फ़ोटो इम्पोर्ट को संचालित करता है, खास तौर पर:

• साझा विराम और अदृश्य विराम वाले बहु-स्वरांश अब समर्थित हैं।
• बारलाइन और रिपीट एंडिंग (voltas) अब मात्राओं के भीतर सही जगह रखे जाते हैं।
• बीम अब अधिक विश्वसनीय रूप से पहचाने जाते हैं।
• कई स्टेव्स पर लिखे गए टाइम सिग्नेचर, जैसे ऑर्केस्ट्रल स्कोर में, अब पहचाने जाते हैं।
• कुछ chord symbols, जो MusicXML में non-standard chord type के साथ एक्सपोर्ट हो रहे थे, उन्हें ठीक किया गया है।

PDF या फ़ोटो से शीट म्यूज़िक आयात करने के लिए वेब ऐप में अब एक नया फ़्लो है, जो Flat के अपने recognition engine पर आधारित है। यह सभी के लिए पिछले PDF import की जगह लेता है।

• वे पेज चुनें जो आप चाहते हैं। एक PDF या कई फ़ोटो अपलोड करें, फिर केवल वे पेज रखें जिनमें संगीत है। आपके द्वारा रखा गया हर पेज एक credit इस्तेमाल करता है।
• चलते समय recognition की प्रगति देखें। एक progress bar दिखाता है कि scan कहाँ तक पहुँचा है, पेज दर पेज, और इसके चलते समय भी आप Flat का उपयोग जारी रख सकते हैं।
• स्कोर बनने से पहले समीक्षा करें। जब engine को किसी instrument के बारे में पूरा भरोसा नहीं होता, तो वह आपसे title और पहचाने गए instruments की पुष्टि करने के लिए कहता है, और पेज पर छपे part names हर एक के साथ दिखाता है। जब हर instrument के बारे में पूरा भरोसा होता है, तो यह चरण छोड़ दिया जाता है।

यह Flat में उपलब्ध है और शिक्षकों व administrators के लिए Flat for Education में भी। नया फ़्लो आने वाले हफ्तों में iOS ऐप में आएगा।

Flat का OMR इंजन अब developer API के ज़रिए प्रोग्रामेटिक रूप से उपलब्ध है। PDF या फ़ोटो भेजें, पहचान की प्रगति पर नज़र रखें, पहचाने गए वाद्ययंत्रों की समीक्षा करें, फिर परिणाम को Flat लाइब्रेरी में editable score के रूप में इम्पोर्ट करें या MusicXML या MIDI के रूप में एक्सपोर्ट करें। यही वही in-house model है जो editor में PDF और फ़ोटो import को संचालित करता है, और अब आपके अपने apps और workflows के लिए बड़े पैमाने पर उपलब्ध है।

समर्पित OMR API (v2.24.0), v2.23.0 में score creation में जोड़े गए background PDF import पर आधारित है: फ़ाइल import करते समय task support का अनुरोध करें और score तैयार होने तक task को poll करें। दोनों releases के विवरण के लिए API changelog देखें।

हमने स्कैनिंग द्वारा पेज के लेआउट को पढ़ने के तरीके में सुधार किया है। अब PDF और फ़ोटो के इम्पोर्ट से अधिक साफ़ और अधिक सटीक स्कोर मिलते हैं, खासकर जटिल लेआउट में:

• घने पेज अब सही तरीके से अलग किए जाते हैं। जिन पेजों पर कई छोटे सिस्टम एक-दूसरे के ऊपर लगे होते हैं, वे अब एक साथ नहीं मिलते — हर सिस्टम अलग से पहचाना जाता है।
• ऑर्केस्ट्रा और बड़े एंसेंबल के स्कोर के लिए बेहतर। पियानो और ऑर्गन जैसे बहु-स्टाफ वाद्ययंत्रों, और कई स्टाफ वाले बड़े स्कोर, अब अधिक विश्वसनीय तरीके से पहचाने जाते हैं।
• चौड़े, लैंडस्केप और बुकलेट लेआउट। लैंडस्केप पेज अब बाएँ किनारे से कटते नहीं हैं (जिससे clefs कट सकते थे), और बहु-पृष्ठ तथा बुकलेट स्कैन अब सही तरीके से संभाले जाते हैं।
• बेतरतीब पहचान कम। पेज के फ़ुटर और मार्जिन के पास के अनचाहे तत्व अब संगीत के रूप में नहीं पहचाने जाते।

अब हर PDF और फ़ोटो इम्पोर्ट को Flat के अपने इन-हाउस मॉडल से प्रोसेस किया जाता है। यह रिलीज़ एक बड़ा नया संस्करण है, जिसका मुख्य फ़ोकस ट्रांसक्रिप्शन की सटीकता पर है: संगीतात्मक शुद्धता (वे स्वर, लय, tie और accidental जो तय करते हैं कि कोई स्कोर सही है या नहीं) सभी टेस्ट सेट में बेहतर हुई है, और सबसे बड़े सुधार इन क्षेत्रों में हैं:

• Dynamics: +39%
• Fermata, articulation, tie, accidental: +30 से 37%
• स्वरों की अवधि: +22%
• Slur, dotted note, rest, staff और voice assignment: +14 से 20%

टेक्स्ट, dynamics और layout placement भी अब अधिक सटीक हैं: lyrics, chord names और dynamics अब सही स्वरों से अधिक भरोसेमंद तरीके से जुड़ते हैं, यहाँ तक कि जटिल layouts में भी, जैसे piano grand staff और clef changes वाले parts.

हम PDF और फ़ोटो इम्पोर्ट के लिए Flat का अपना AI मॉडल रोल आउट कर रहे हैं। इसे हमारी टीम ने ही डिज़ाइन और ट्रेन किया है, ताकि लॉन्च के समय इस्तेमाल किए गए third-party engine की जगह ली जा सके। इस तकनीक पर शुरू से अंत तक हमारा अपना नियंत्रण होने से हम सटीकता को और बेहतर बना सकते हैं, पहचानी जाने वाली चीज़ों का दायरा बढ़ा सकते हैं, सुधार कहीं तेज़ी से जारी कर सकते हैं, और परिणामों को Flat के अपने notation format के अनुरूप रख सकते हैं, ताकि इम्पोर्ट बाकी प्रोडक्ट में स्वाभाविक रूप से फिट हों। इस पहले रिलीज़ में ही यह आपके संगीत का कहीं अधिक हिस्सा पढ़ लेता है:

notation का अधिक व्यापक कवरेज। अब नई पहचान में शामिल हैं:

• Chord symbols, जिन्हें उनके musical meaning के अनुसार सही तरह से editable chords के रूप में encode किया जाता है, सिर्फ़ plain text के रूप में नहीं
• Measure repeats और rhythm slashes
• Tempo और metronome markings (BPM सहित)

ज़्यादा भाषाओं में lyrics और text। Lyrics, rehearsal marks और अन्य text अब Latin script वाली भाषाओं में डिफ़ॉल्ट रूप से पहचाने जाते हैं, साथ ही Japanese, Korean और Chinese में भी।

मूल लेआउट के अधिक अनुरूप। अब इम्पोर्ट source score के लेआउट का कहीं अधिक क़रीब से पालन करते हैं—हर पंक्ति में measures की संख्या, हर पेज पर systems की संख्या, और पूरी संरचना सहित। इससे बड़े और जटिल score, जैसे orchestral works और piano जैसे multi-staff instruments, पर वास्तविक फ़र्क पड़ता है। यह अब और अधिक page formats को भी support करता है, जिनमें landscape pages भी शामिल हैं, जिन्हें पहले support नहीं किया जाता था।