免费开源乐谱识别软件 Audiveris 快速上手三个真实场景把纸面乐谱变成可编辑的 MusicXML【免费下载链接】audiverisLatest generation of Audiveris OMR engine项目地址: https://gitcode.com/gh_mirrors/au/audiveris想把柜子里的纸质乐谱变成能在 MuseScore 里继续编辑、随时播放的数字文件吗Audiveris就是一款免费开源的光学音乐识别OMR软件专为乐谱转 MusicXML这件事而生特别适合音乐教师、作曲家、演奏者和爱整理乐谱收藏的普通用户。它支持 Windows、Linux、macOS 三大平台识别真实世界质量的乐谱尤其拿手还自带编辑器帮你修补识别错误。下面我不按功能清单讲而是带着你走三个最典型的真实场景——你会看到从一张图到一整本乐谱集再到识别出错怎么救Audiveris 每一步都替你想好了。场景一一张乐谱照片5 分钟变成可播放的数字乐谱你可能想问我就想把手头一张巴赫乐谱转成数字版最快怎么走拿到软件三种安装方式任选普通用户建议直接下载预编译安装包官方为三大系统都打包好了自 5.5 版本起安装包自带 Java 运行环境装完就能用不用额外配环境操作系统安装包格式说明Windows.msi双击安装开始菜单里就有入口Linux.deb或 Flatpak可从 Flathub 安装同样自带 JavamacOS.dmg拖进 Applications 即可动手能力强的开发者也可以从源码构建git clone https://gitcode.com/gh_mirrors/au/audiveris cd audiveris ./gradlew build ./gradlew run打开图片 → 转录 → 导出三步走项目自带了一张巴赫创意曲示例图data/examples/BachInvention5.jpg用它来试手最合适打开图片启动软件后用File → Open加载图片更省事的是直接把图片文件拖进 Audiveris 窗口。它支持 PDF、TIFF、JPG、PNG、BMP 等常见格式。开始转录点击工具栏的Transcribe Book按钮或走菜单Book → Transcribe Book软件会自动跑完从图像加载到符号识别的全部流水线。导出结果菜单Book → Export会生成一个.mxl文件压缩版 MusicXML。把它拖进 MuseScore、Finale 或 Sibelius一份可编辑、可播放的乐谱就到手了。转录完成后中央区域会展示识别出的音符、小节、连音线等右侧面板还能查看每个符号的分类信息。一个小技巧结果不理想先别急着改参数第一次转录多少会有瑕疵比如歌词Flûte被 OCR 成Flfite、某个降号没认出来。这很正常——100% 识别率在绝大多数乐谱上都不现实。这时候先别慌着调参数直接进入场景三学到的分步修正思路会更高效。记住一句话Audiveris 的价值不只在识得准更在于修得快。场景二一整本 PDF 乐谱集如何批量数字化单张图练完手你大概率会想到那我有 200 页的乐谱集怎么办Audiveris 对这类大部头反而更是强项。先理解它的数据层次Book、Sheet、Page、System在动手处理多页文档前花 30 秒理解它的数据模型能帮你少走很多弯路Book书籍对应你输入的一个文件比如一本 200 页的 PDF。Sheet乐谱页对应文件里的每一张图像PDF、TIFF 支持多图像一张图就是一页。Page页面每页里如果出现首行缩进的系统说明乐章在此换段一个 Sheet 可能包含多个 Page。System系统水平排列的一组五线谱通常对应一个同时演奏的乐器组。Book 由多个 Sheet 组成Sheet 再按缩进系统划分成 Page 与 Score理清这层关系后续检查输出就心里有数。理解了这套结构你就能解释为什么一个 PDF 转出来可能是多个 Score而不是一个因为乐谱集里每首曲子是一个独立乐章。如果自动检测没分对你还可以右键系统标记movement start手动划分。命令行批量转谱真正的高效时刻几百页的乐谱图形界面一张张点太痛苦。Audiveris 提供了完整的命令行接口在终端里一条命令就能搞定整本书# 批量转录整本 PDF并导出 MusicXML audiveris -batch -transcribe -export -output ./results ./mybook.pdf # 只处理第 1、4 到 5 页 audiveris -batch -transcribe -sheets 1 4-5 -export ./mybook.pdf # 处理完立即把每页交换到磁盘省内存大文档神器 audiveris -batch -transcribe -swap -export ./mybook.pdf这背后的原理是V5 引擎对每张 Sheet独立处理只在最后做一次极快的汇总天然适合并行和批量。-swap参数能在大文档上大幅降低内存占用处理几百页也不怕。为什么要保留 .omr 文件你可能注意到保存时除了.mxl还会生成一个.omr项目文件。这两个千万别弄混文件内容特点.omr完整 OMR 数据可随时回到任意处理阶段继续编辑可被旧版本打开升级.mxlMusicXML 乐谱面向其他软件的交换格式导出是有损的也就是说.mxl丢了可以从.omr重新生成反过来不行。所以批量处理时一定把.omr留好——它不仅是工程文件将来还能用来训练新版分类器价值很大。场景三识别出错时怎么定位和修正所有 OMR 工具都会错区别在于你能不能快速找到并修好它。这一节是 Audiveris 最见功力、也最被低估的部分。认识那条 20 步的流水线从灰度图到乐谱Audiveris 把处理拆成了约 20 个独立步骤核心环节如下LOAD → BINARY → SCALE → GRID → HEADERS → STEM_SEEDS → BEAMS → LEDGERS → HEADS → STEMS → REDUCTION → CUE_BEAMS → TEXTS → MEASURES → CHORDS → CURVES → SYMBOLS → LINKS → RHYTHMS → PAGE每个步骤都产出明确的中间结果比如 GRID 输出五线谱网格SYMBOLS 输出固定形状符号这让你能精确定位问题出在哪一步。为什么拆这么细因为每一步都能单独诊断和重跑。假如符干总是识别错你不需要重头再来而是通过Step菜单把流水线推进到对应步骤专门检查那一步的中间结果。分步回退不用推倒重来流水线不支持直接倒退但有两个曲线救国的办法选择已经执行过的目标步骤软件会确认后把该页重置回初始灰度图再重新跑到目标步骤。直接放弃当前 Book从上次保存的.omr文件重新加载。配合命令行使用也很顺手-step参数指定目标步骤-force强制重跑适合调试脚本。常见错误的修复思路速查现象常见原因处理思路音符位置偏移图像倾斜/变形用图像工具预处理校正角度后再导入符干识别错谱线检测不准用Step菜单检查 GRID/STEMS 步骤手动校准谱线装饰音漏认符号尺寸范围不当调大符号尺寸范围启用小符号识别临时升降号出错图像对比度不足调高对比度调整二值化阈值文字歌词识别错OCR 语言没配好在Tools → Languages里加入对应语言包多声部混淆声部参数过宽缩小声部间距阈值或手动拆分声部一句话总结修正哲学先定位到步骤再局部修复不要动不动就全局重跑。进阶路线从会用到用好如果你已经走完上面三个场景说明你已经是一个能独立完成扫描 → 识别 → 修正 → 导出全流程的用户了。想更进一步可以参考这些路径调参优化项目的app/config-examples/目录里有各种场景的配置模板结合文档里的参数说明如谱线间距、二值化阈值、噪声过滤强度逐步微调。专项乐谱打击乐有专门的app/res/drum-set.xml鼓组配置手写谱、古董谱则要善用对比度增强 手动谱线校准 区域选择识别。训练自定义分类器命令行提供-sample和-annotate参数可以把书籍符号导出成训练集用于训练 Audiveris 的 Glyph 分类器识别率会随你的样本库越来越好。翻阅文档项目docs/目录下的手册内容非常完整从新手快速上手到开发者源码剖析都有值得作为常备参考书。写在最后Audiveris 的本质是引擎 编辑器的组合引擎负责把图像变成尽可能接近完美的符号数据编辑器负责把剩下的错误高效修掉。别指望一键 100% 正确但要相信识别 快速修正的完整工作流足以让绝大多数乐谱数字化任务变得轻松愉快。现在就可以动手了下载安装 → 拖入一张乐谱图 → 点击 Transcribe → 导出 MusicXML。5 分钟后你就能在软件里播放这首数字重生的曲子。祝你玩得开心【免费下载链接】audiverisLatest generation of Audiveris OMR engine项目地址: https://gitcode.com/gh_mirrors/au/audiveris创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考