MuScriptor: An Open Model for Multi-Instrument Music Transcription
arXiv - 2026
MuScriptor-large দিয়ে সঙ্গীতকে একাধিক যন্ত্রের MIDI-তে রূপান্তর করুন।
TelkNet সংশোধন নোট · ১৩ আগস্ট ২০২৬
MuScriptor-এর নোট হারিয়ে যাওয়ার সমস্যা
একটি ভুল অনুমান কীভাবে পরের ৪০ সেকেন্ডের ফলও এলোমেলো করত?
একই সম্পূর্ণ গান TelkNet এবং সরকারি MuScriptor Large 0.3.0-এর strict mode-এ চালিয়েছি। দুই output-এই 8টি part ও 6,560টি note আছে; প্রতিটি note-এর part, pitch ও order মিলে যায়। অস্বাভাবিক অংশটি প্রায় 182–222 সেকেন্ডে: source audio-তে মাঝারি থেকে উচ্চ frequency-র স্পষ্ট pitched line আছে, কিন্তু MIDI-তে C4-এর ওপরে প্রায় 40.31 সেকেন্ড ফাঁকা। UI, BPM processing বা MIDI editor ওই note মুছে দেয়নি; ফাঁকটি সরকারি model output-এই ছিল। মূল score না থাকায় ঠিক কতটি note বাদ গেছে, তা বলা যায় না।
TelkNet পাঁচ সেকেন্ডের অংশগুলোর মধ্যে যন্ত্রের তথ্য আদানপ্রদান সামঞ্জস্য করে, যাতে ভুল শনাক্তকরণ পরের অংশে কম ছড়ায় এবং দীর্ঘ নোটগুলো যুক্ত থাকে। MuScriptor Large প্রতিটি অংশ একবার ট্রান্সক্রাইব করে।
এরপর 14টি গান দিয়ে 16টি সম্পূর্ণ run শেষ করেছি; সবগুলো স্বাভাবিকভাবে শেষ হয়েছে। প্রথম গানে C4-এর ওপর দীর্ঘতম onset gap 40.309 সেকেন্ড থেকে 1.970 সেকেন্ডে নেমেছে। দ্বিতীয় গান 1,698টি note, 6টি active track ও 70.79% piano থেকে 2,279টি note, 8টি active track ও 50.77% piano-তে বদলেছে। প্রতিটি গান দুবার সম্পূর্ণ rerun করলে byte-identical file পাওয়া গেছে।
MuScriptor টেম্পো সামঞ্জস্য
টেম্পো অনুমান: TelkNet v11
সরকারি MuScriptor v0.3.0
সরকারি ভিত্তি Beat This final0 ব্যবহার করে এবং মুক্ত intercept-সহ least-squares fit দিয়ে একটি স্থির BPM প্রকাশ করে। শনাক্ত beat স্থির টেম্পো সমর্থন না করলে strict mode ব্যর্থ হয়; best-effort mode 120 BPM placeholder লেখে। MIDI writer onset delay ঠিক করে এবং downbeat-এর সঙ্গে bar line মেলাতে সব নোট সামনে সরায়।
TelkNet v11
পরীক্ষামূলক সংস্করণTelkNet একই Beat This final0 রাখে এবং স্বয়ংক্রিয়ভাবে শনাক্ত একক BPM-ই প্রস্তাবিত ডিফল্ট থাকে। ব্যবহারকারী মূল গানের গতি অনুসরণ মোড বেছে নিলে, পুরো গানের গ্রিড শনাক্ত বিটের 40 ms-এর মধ্যে থাকলেই একক BPM লেখা হয়; সীমা ছাড়ালে অভিযোজিত Tempo Map প্রকাশ করা হয়। হাতে নির্ধারিত BPM-ও উপলভ্য থাকে। কোয়ান্টাইজেশন বন্ধ থাকলে মডেলের মূল নোটের সময় অপরিবর্তিত থাকে।
সরকারি পথ ও বর্তমান প্রকল্পের সরাসরি তুলনা
| তুলনার বিষয় | সরকারি MuScriptor v0.3.0 | TelkNet v11 |
|---|---|---|
| Beat শনাক্তকরণ | Beat This final0 ব্যবহার করে। |
