Nowości w imporcie skanowanych nut

Nowa wersja naszego modelu skanowania odczytuje teraz każdy importowany plik PDF i każde zdjęcie. Opiera się na nowej architekturze, która analizuje każdy wiersz zapisu nutowego bardziej szczegółowo, i została wytrenowana na lepiej oczyszczonym zbiorze przykładów. Jest dokładniejsza w przypadku 24 z 26 rodzajów muzyki, na których ją testujemy.

• Łuki przedłużające i łuki legato są lepiej rozróżniane. Łuk łączący dwie różne nuty jest teraz znacznie rzadziej odczytywany jako łuk przedłużający, który zmienia wysokość drugiej nuty.
• Pięciolinie z samymi pauzami są odczytywane bardziej niezawodnie. W partyturze pięciolinia, na której przez cały wiersz są pauzy, jest rzadziej wypełniana zmyślonymi nutami perkusji lub pomijana w swojej partii.
• Długie pauzy są liczone dokładniej. Ciąg 20 lub więcej pustych taktów jest odczytywany ze znacznie większą zgodnością z wydrukowaną długością, zamiast zamieniać się w dziesiątki dodatkowych taktów.
• Mniej błędnych nut. Około 8% mniej błędów wysokości dźwięku, 17% mniej błędów w grupach niemiarowych i 10% mniej błędów w akordach niż w poprzedniej wersji.
• Położenie nut na stronie jest określane dokładniej. Dzięki temu tekst, oznaczenia dynamiki i inne oznaczenia są przypisywane do właściwych nut.

Zaktualizowaliśmy model skanowania nut, skupiając się na metrum, kluczach i pauzach wielotaktowych.

• Więcej oznaczeń metrum jest odczytywanych zgodnie z zapisem. Model rozpoznaje teraz 29 oznaczeń metrum, a także metrum C i alla breve. Nowości w tym miesiącu to 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 i 17/16, spotykane w muzyce ludowej, jazzie i muzyce współczesnej. Wcześniej były zastępowane bardziej znanym metrum (10/8 zmieniało się w 12/8, a 8/4 w 5/4). W rezultacie liczba wartości rytmicznych w taktach się nie zgadzała, a nuty były usuwane, żeby dopasować je do taktu. Zobacz wszystkie obsługiwane oznaczenia notacyjne.
• Pauzy wielotaktowe zachowują właściwą długość. W głosach na orkiestrę dętą i symfoniczną liczba nad długą pauzą wskazuje, ile taktów trzeba odliczyć. Teraz jest znacznie rzadziej odczytywana błędnie. Wcześniej „10” mogło zmienić się w 100, przez co do głosu trafiały dziesiątki dodatkowych pustych taktów.
• Systemy bez klucza zachowują właściwe wysokości dźwięków. W wielu głosach, zwłaszcza w zapisach jazzowych i starszych wydaniach, klucz jest drukowany tylko w pierwszym systemie na stronie. Wcześniej model zgadywał klucz w pozostałych systemach, a błędny wybór przesuwał wszystkie nuty w systemie w górę lub w dół. Teraz te systemy zachowują klucz z poprzedniego systemu.
• Mniej elementów, których nie ma na stronie. Mała „3” nad triolą nie jest już odczytywana jako palcowanie, linia oktawowa (8va) nie jest dodawana tam, gdzie jej nie wydrukowano, a system zawierający wyłącznie pauzy nie jest już wypełniany nutami perkusyjnymi.
• Więcej Twoich nut trafia do partytury. Jeśli w odczytanym takcie suma wartości rytmicznych przekracza tę wynikającą z metrum, część nut trzeba pominąć, by takt się zgadzał. Ponieważ rytmy i oznaczenia metrum są teraz odczytywane dokładniej, zdarza się to znacznie rzadziej: w testowanych przez nas importach brakowało około 70% mniej nut.

Nowa wersja naszego autorskiego modelu obsługuje teraz każdy import PDF i zdjęć, skupiając się na tym, jak grupy niemiarowe są drukowane na stronie.

• Niejawne grupy niemiarowe są teraz obsługiwane. Składacze nut zwykle drukują małą „3” lub „6” tylko nad pierwszą triolą albo sekstolą w danym fragmencie, a kolejne grupy pozostawiają bez oznaczenia — wykonawca ma kontynuować ten sam schemat. Takie nieoznaczone grupy to niejawne grupy niemiarowe: wykonuje się je jak grupy niemiarowe, choć nic nie jest przy nich wydrukowane. Są bardzo częste w wydaniach XIX-wiecznych, etiudach i wariacjach. Skanowanie odtwarza je teraz na podstawie rytmu taktu, zamiast usuwać nuty, żeby takt zgadzał się z metrum.
• Mniej zmyślonych grup niemiarowych. Model wcześniej oznaczał zwykłe grupy połączone wiązaniem jako triole, nawet jeśli nie było nad nimi wydrukowanej cyfry, a te cyfry pojawiały się potem w partyturze. Teraz zapisuje grupę niemiarową tylko tam, gdzie jest ona rzeczywiście zaznaczona na stronie.

Aplikacje na Maca i Windows potrafią teraz zamienić plik PDF lub zdjęcie zapisu nutowego na edytowalną partyturę, z tym samym etapem weryfikacji co w wersji webowej.

• Importuj bez wychodzenia z aplikacji. Wybierz plik, sprawdź, co odczytał skan, i otwórz partyturę.
• Kup kredyty AI w aplikacji w Mac App Store, aby import nie zatrzymywał się przez konieczność przechodzenia na stronę internetową.

Nowa wersja naszego autorskiego modelu obsługuje teraz cały import plików PDF i zdjęć, zmniejszając liczbę błędów o 22% do 51% w naszych testach porównawczych dla skanowanych nut. Największą poprawę widać na trudniejszych stronach — starszych rycinach nutowych i przy nierównym druku.

Ulepszona wersja autorskiego modelu Flat obsługuje teraz każdy import PDF i zdjęć, a w szczególności:

• Obsługiwane są teraz fragmenty wielogłosowe ze wspólnymi pauzami i niewidocznymi pauzami.
• Kreski taktowe i zakończenia powtórek (wolty) są teraz umieszczane prawidłowo w obrębie taktów.
• Belki są rozpoznawane bardziej niezawodnie.
• Rozpoznawane są teraz metra zapisane na kilku pięcioliniach, jak w partyturach orkiestrowych.
• Naprawiono niektóre symbole akordów eksportowane do MusicXML z niestandardowym typem akordu.

Import nut z pliku PDF lub zdjęcia ma nowy przebieg w aplikacji internetowej, oparty na autorskim silniku rozpoznawania Flat. Zastępuje on poprzedni import PDF dla wszystkich użytkowników.

• Wybierz strony, których chcesz użyć. Prześlij plik PDF lub kilka zdjęć, a następnie zachowaj tylko strony zawierające nuty. Każda zachowana strona zużywa jeden kredyt.
• Śledź rozpoznawanie w trakcie działania. Pasek postępu pokazuje, na jakim etapie jest skanowanie, strona po stronie, a Ty możesz dalej korzystać z Flat, gdy proces trwa.
• Zweryfikuj przed utworzeniem partytury. Gdy silnik nie ma pewności co do instrumentu, poprosi o potwierdzenie tytułu i wykrytych instrumentów, pokazując obok każdego z nich nazwy głosów wydrukowane na stronie. Jeśli wszystkie instrumenty zostaną rozpoznane bez wątpliwości, ten etap jest pomijany.

Dostępne w Flat oraz, dla nauczycieli i administratorów, w Flat for Education. Nowy przebieg trafi do aplikacji na iOS w najbliższych tygodniach.

Silnik OMR w Flat jest teraz dostępny programowo przez API deweloperskie. Wysyłaj pliki PDF lub zdjęcia, śledź postęp rozpoznawania, sprawdzaj wykryte instrumenty, a następnie importuj wynik jako edytowalną partyturę do biblioteki Flat albo eksportuj MusicXML lub MIDI. To ten sam wewnętrzny model, który odpowiada za import plików PDF i zdjęć w edytorze, teraz dostępny na dużą skalę dla własnych aplikacji i przepływów pracy.

Dedykowane API OMR (v2.24.0) rozwija import plików PDF w tle, dodany przy tworzeniu partytur w v2.23.0: poproś o obsługę zadań podczas importowania pliku i odpytuj zadanie, aż partytura będzie gotowa. Szczegóły obu wydań znajdziesz w dzienniku zmian API.

Ulepszyliśmy sposób, w jaki skanowanie odczytuje układ strony. Importowane pliki PDF i zdjęcia dają teraz czystsze i dokładniejsze partytury, szczególnie przy złożonych układach:

• Gęste strony są teraz prawidłowo dzielone. Strony z wieloma krótkimi systemami ułożonymi jeden nad drugim nie są już scalane — każdy system jest wykrywany osobno.
• Lepsza obsługa partytur orkiestrowych i dużych zespołów. Instrumenty wielopięcioliniowe, takie jak fortepian i organy, oraz duże partytury z wieloma pięcioliniami są rozpoznawane bardziej niezawodnie.
• Szerokie strony, układ poziomy i broszurowy. Strony w układzie poziomym nie tracą już lewego brzegu (co mogło ucinać klucze), a skany wielostronicowe i broszurowe są prawidłowo obsługiwane.
• Mniej przypadkowych wykryć. Błędne elementy w pobliżu stopek i marginesów nie są już rozpoznawane jako zapis nutowy.

Każdy import PDF i zdjęć jest teraz przetwarzany przez własny model Flat. To wydanie to ważna nowa wersja skupiona na dokładności transkrypcji: poprawność zapisu muzycznego (nuty, rytmy, łuki łączące i znaki chromatyczne, które decydują o tym, czy partytura jest poprawna) poprawiła się we wszystkich zestawach testowych, a największe zyski dotyczą:

• Dynamiki: +39%
• Fermat, oznaczeń artykulacyjnych, łuków łączących, znaków chromatycznych: +30 do 37%
• Wartości rytmicznych nut: +22%
• Łuków frazowych, nut z kropką, pauz, przypisywania do pięciolinii i głosu: +14 do 20%

Również pozycjonowanie tekstu, dynamiki i elementów układu jest teraz bardziej precyzyjne: teksty piosenek, symbole akordów i oznaczenia dynamiki są pewniej przypisywane do właściwych nut, także w złożonych układach, takich jak fortepianowa wielka pięciolinia i partie ze zmianami klucza.

Rozpoczynamy wdrażanie własnego modelu AI Flat do importu plików PDF i zdjęć, zaprojektowanego i wytrenowanego wewnętrznie, aby zastąpić silnik zewnętrzny używany przy starcie usługi. Posiadanie tej technologii od początku do końca pozwala nam dalej zwiększać dokładność, poszerzać zakres rozpoznawanych elementów, znacznie szybciej udostępniać ulepszenia i lepiej dopasować wyniki do własnego formatu zapisu nutowego Flat, dzięki czemu importy naturalnie wpisują się w resztę produktu. Już w tej pierwszej wersji model odczytuje znacznie więcej z Twojej muzyki:

Szerszy zakres rozpoznawanej notacji. Nowo rozpoznawane elementy:

• Symbole akordów, poprawnie zakodowane zgodnie z ich znaczeniem muzycznym jako edytowalne akordy, a nie tylko zwykły tekst
• Powtórzenia taktów i ukośniki rytmiczne
• Oznaczenia tempa i metronomu (z BPM)

Teksty i słowa w większej liczbie języków. Teksty wokalne, oznaczenia prób i inne napisy są domyślnie rozpoznawane w językach zapisywanych alfabetem łacińskim, a także po japońsku, koreańsku i chińsku.

Większa zgodność z oryginalnym układem. Importy są teraz dużo wierniejsze układowi partytury źródłowej, odwzorowując liczbę taktów w systemie, systemów na stronie oraz ogólną strukturę. Ma to duże znaczenie w przypadku dużych, złożonych partytur, takich jak utwory orkiestrowe, oraz instrumentów wielopięcioliniowych, takich jak fortepian. Obsługiwanych jest też więcej formatów stron, w tym strony poziome, które wcześniej nie były wspierane.