Audio-to-Score Transcription using Pre-trained Features, Data Augmentation, and the New SheetSage-A2S Dataset
ACM Multimedia - 2026
本站 SheetSage 单次处理最多 30 秒的主旋律与和弦片段，输出 PDF / MusicXML / Humdrum **kern 乐谱供校订。弦乐四重奏使用独立模型；不支持任意编制的完整还原。
加载中...
© 2026 TelkNet. 保留所有权利。
识别整曲的人声与器乐主旋律、和弦、节拍、拍号、调性和段落，导出 PDF、MusicXML、MIDI、ABC 乐谱与时间标注。复杂混音需校对。
输入
支持 mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv 等格式输入
支持格式
输出
PDF · MusicXML · ABC · MIDI
适用场景
识别整曲的人声与器乐主旋律、和弦、节拍、拍号、调性和段落，导出 PDF、MusicXML、MIDI、ABC 乐谱与时间标注。复杂混音需校对。
按素材和用途选择模型，查看示例后再提交。
费用、耗时、格式和参数以所选模型为准。
识别整曲主旋律与和弦，支持更多拍号与和弦类型，可识别调式。导出 PDF、MusicXML、MIDI、ABC 乐谱与时间标注；结果需校对。
将选定的最多 30 秒音频片段转成主旋律与和弦谱，输出 PDF / MusicXML / Humdrum **kern 供校订。
ACM Multimedia - 2026
本站 SheetSage 单次处理最多 30 秒的主旋律与和弦片段，输出 PDF / MusicXML / Humdrum **kern 乐谱供校订。弦乐四重奏使用独立模型；不支持任意编制的完整还原。
包含本站与站外的公开测试结果。默认显示来源完整表，也可切换条件和指标比较；不同测试条件的分数不能直接比较。
仅展示已核实公开推理实现及对应权重的记录（无需权重的算法除外）。封闭服务、未公开权重或无法匹配实验版本的记录不入榜；这不是全领域总榜。
公开权重不等于许可完整的开源。权重许可和访问条件见展开数据；未明确声明的许可单独标注。
图中为作者公开成绩。本站处理配置尚无同条件实测分数，因此未标为本站成绩。
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 3 / 原表 3
Refined 作者在相同音频的留出集上评测：流行歌曲测试集 95 首、验证集 47 首，标注不公开；变拍子 50 首含 9 首录音与 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 个片段。小节两端须在 ±70 ms 内且无多余小节线；一致重分组允许来源规定的拍号重组。旋律匹配同音高与 50 ms 起音，转调容限 ±2 s。调式评测使用相应可选模式；不与原版论文混排。
| 指标名次 | 模型 | Pop songs, test (95 songs, mostly 4/4): beat↑ | Pop songs, test: downbeat↑ | HookTheory test (1026 clips): beat↑ | Odd-meter songs (50): beat↑ | Odd-meter songs: downbeat↑ | Synthetic meters (300): beat↑ | Synthetic meters: downbeat↑ |
|---|---|---|---|---|---|---|---|---|
| 1 | SheetSage2-Refined · beat head | 0.978 | 0.976 | 0.902 | 0.928 | 0.883 | 0.988 | 0.955 |
| 2 | SheetSage2-Refined | 0.969 | 0.965 | 0.886 | 0.895 | 0.835 | 0.906 | 0.839 |
| 3 | SheetSage2 | 0.966 | 0.966 | 0.897 | 0.849 | 0.733 | 0.719 | 0.368 |
数据集、版本和条件分别列出，未纳入排行的评测也保留来源。
可部署条目 3 / 原表 3
可部署条目 3 / 原表 3
可部署条目 3 / 原表 3
可部署条目 2 / 原表 2
可部署条目 3 / 原表 3
可部署条目 1 / 原表 9
以下实验尚未核实完整的公开推理包；同名模型的其他权重不能替代。
SheetSage1 · madmom · Beat This! · S-KEY · ChordFormer · † ChordFormer · SongFormer
可部署条目 1 / 原表 4
以下实验尚未核实完整的公开推理包；同名模型的其他权重不能替代。
Baseline ( Alfaro-Contreras et al., 2024 ) · +1024-Pre-Norm · +MuQ encoder
评测分数对应各自的数据集、指标和模型版本，不同测试的分数不能直接比较。
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 3 / 原表 3
Refined 作者在相同音频的留出集上评测：流行歌曲测试集 95 首、验证集 47 首，标注不公开；变拍子 50 首含 9 首录音与 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 个片段。小节两端须在 ±70 ms 内且无多余小节线；一致重分组允许来源规定的拍号重组。旋律匹配同音高与 50 ms 起音，转调容限 ±2 s。调式评测使用相应可选模式；不与原版论文混排。
| 指标名次 | 模型 | Pop songs, test (95 songs, mostly 4/4): beat↑ | Pop songs, test: downbeat↑ | HookTheory test (1026 clips): beat↑ | Odd-meter songs (50): beat↑ | Odd-meter songs: downbeat↑ | Synthetic meters (300): beat↑ | Synthetic meters: downbeat↑ |
|---|---|---|---|---|---|---|---|---|
| 1 | SheetSage2-Refined · beat head | 0.978 | 0.976 | 0.902 | 0.928 | 0.883 | 0.988 | 0.955 |
| 2 | SheetSage2-Refined | 0.969 | 0.965 | 0.886 | 0.895 | 0.835 | 0.906 | 0.839 |
| 3 | SheetSage2 | 0.966 | 0.966 | 0.897 | 0.849 | 0.733 | 0.719 | 0.368 |
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 3 / 原表 3
Refined 作者在相同音频的留出集上评测：流行歌曲测试集 95 首、验证集 47 首，标注不公开；变拍子 50 首含 9 首录音与 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 个片段。小节两端须在 ±70 ms 内且无多余小节线；一致重分组允许来源规定的拍号重组。旋律匹配同音高与 50 ms 起音，转调容限 ±2 s。调式评测使用相应可选模式；不与原版论文混排。
| 指标名次 | 模型 | 4/4 · 3544 bars | 3/4 · 680 bars | 6/4 · 589 bars | 5/4 · 434 bars | 6/8 · 432 bars | 12/8 · 233 bars | 5/8 · 122 bars | 11/8 · 87 bars | 2/4 · 63 bars | 7/8 · 59 bars | 7/4 · 46 bars | all · 6329 bars | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | ||
| 1 | SheetSage2-Refined · beat head | 0.824 | 0.868 | 0.768 | 0.768 | 0.572 | 0.795 | 0.574 | 0.583 | 0.794 | 0.806 | 0.794 | 0.794 | 0.508 | 0.508 | 0.563 | 0.563 | 0.079 | 0.159 | 0.847 | 0.847 | 0.565 | 0.652 | 0.752 | 0.801 |
| 2 | SheetSage2-Refined | 0.713 | 0.750 | 0.768 | 0.768 | 0.486 | 0.781 | 0.512 | 0.512 | 0.725 | 0.745 | 0.970 | 0.970 | 0.008 | 0.287 | 0.586 | 0.586 | 0.111 | 0.270 | 0.305 | 0.305 | 0.196 | 0.196 | 0.661 | 0.718 |
| 3 | SheetSage2 | 0.699 | 0.749 | 0.676 | 0.676 | 0.275 | 0.497 | 0.002 | 0.002 | 0.299 | 0.736 | 0.597 | 0.914 | 0.000 | 0.000 | 0.000 | 0.000 | 0.063 | 0.063 | 0.000 | 0.000 | 0.000 | 0.000 | 0.534 | 0.624 |
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 3 / 原表 3
Refined 作者在相同音频的留出集上评测：流行歌曲测试集 95 首、验证集 47 首，标注不公开；变拍子 50 首含 9 首录音与 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 个片段。小节两端须在 ±70 ms 内且无多余小节线；一致重分组允许来源规定的拍号重组。旋律匹配同音高与 50 ms 起音，转调容限 ±2 s。调式评测使用相应可选模式；不与原版论文混排。
| 指标名次 | 模型 | 4/4 · 3255 bars | 6/8 · 2964 bars | 3/4 · 2431 bars | 3/8 · 1843 bars | 5/8 · 1574 bars | 5/4 · 1372 bars | 11/8 · 1287 bars | 12/8 · 1207 bars | 7/8 · 1114 bars | 6/4 · 1031 bars | 7/4 · 991 bars | 9/8 · 945 bars | 8/8 · 460 bars | 2/4 · 340 bars | all · 20814 bars | |||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | exact↑ | consistent↑ | ||
| 1 | SheetSage2-Refined · beat head | 0.964 | 0.964 | 0.939 | 0.956 | 0.946 | 0.951 | 0.840 | 0.853 | 0.922 | 0.922 | 0.960 | 0.960 | 0.912 | 0.919 | 0.792 | 0.894 | 0.954 | 0.956 | 0.877 | 0.890 | 0.943 | 0.943 | 0.905 | 0.911 | 0.924 | 0.924 | 0.659 | 0.659 | 0.916 | 0.928 |
| 2 | SheetSage2-Refined | 0.784 | 0.839 | 0.842 | 0.864 | 0.787 | 0.810 | 0.651 | 0.712 | 0.730 | 0.758 | 0.667 | 0.672 | 0.716 | 0.737 | 0.558 | 0.814 | 0.783 | 0.794 | 0.568 | 0.719 | 0.673 | 0.745 | 0.800 | 0.808 | 0.815 | 0.828 | 0.347 | 0.465 | 0.730 | 0.782 |
| 3 | SheetSage2 | 0.436 | 0.501 | 0.538 | 0.561 | 0.443 | 0.444 | 0.147 | 0.186 | 0.090 | 0.090 | 0.000 | 0.028 | 0.008 | 0.016 | 0.223 | 0.483 | 0.004 | 0.005 | 0.139 | 0.306 | 0.000 | 0.105 | 0.003 | 0.003 | 0.474 | 0.543 | 0.044 | 0.115 | 0.248 | 0.299 |
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 2 / 原表 2
Refined 作者在相同音频的留出集上评测：流行歌曲测试集 95 首、验证集 47 首，标注不公开；变拍子 50 首含 9 首录音与 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 个片段。小节两端须在 ±70 ms 内且无多余小节线；一致重分组允许来源规定的拍号重组。旋律匹配同音高与 50 ms 起音，转调容限 ±2 s。调式评测使用相应可选模式；不与原版论文混排。
| 指标名次 | 模型 | root, test↑ | root, valid↑ | majmin, test↑ | majmin, valid↑ | sevenths, test↑ | sevenths, valid↑ | tetrads, test↑ | tetrads, valid↑ | slash chords (bass, exact), test↑ | slash chords (bass, exact), valid↑ | key, test↑ | key, valid↑ | key changes (F, ±2 s), test↑ | key changes (F, ±2 s), valid↑ | tension chords (9th, 11th, 13th, add), test: recall / precision |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | SheetSage2-Refined | 0.864 | 0.880 | 0.886 | 0.885 | 0.829 | 0.825 | 0.770 | 0.780 | 0.520 | 0.515 | 0.920 | 0.909 | 0.629 | 0.721 | 0.232 / 0.485 |
| 2 | SheetSage2 | 0.821 | 0.822 | 0.871 | 0.845 | 0.762 | 0.777 | 0.678 | 0.704 | 0.366 | 0.386 | 0.840 | 0.814 | 0.568 | 0.667 | 0.000 / — |
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 3 / 原表 3
Refined 作者在相同音频的留出集上评测：流行歌曲测试集 95 首、验证集 47 首，标注不公开；变拍子 50 首含 9 首录音与 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 个片段。小节两端须在 ±70 ms 内且无多余小节线；一致重分组允许来源规定的拍号重组。旋律匹配同音高与 50 ms 起音，转调容限 ±2 s。调式评测使用相应可选模式；不与原版论文混排。
| 指标名次 | 模型 | melody (note F)↑ | key with mode↑ | key with mode, the 98 modal clips↑ |
|---|---|---|---|---|
| 1 | SheetSage2-Refined · melody head | 0.713 | - | - |
| 2 | SheetSage2-Refined | 0.682 | 0.719 | 0.315 |
| 3 | SheetSage2 | 0.664 | 0.722 | 0.005 |
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 1 / 原表 9
以下实验尚未核实完整的公开推理包；同名模型的其他权重不能替代。
SheetSage1 · madmom · Beat This! · S-KEY · ChordFormer · † ChordFormer · SongFormer · SheetSage1
作者评测使用 paper 预设和 BF16；本站候选使用 default 预设和 FP32，表中分数不是本站实测。节拍与下拍容限为 70 ms，统一排除前 5 s；旋律按音级和 50 ms 起音匹配，不匹配结束时间。Beat This! 是三个种子的均值；ChordFormer 按数据集采用集成或留出折。只在同一条件内排名，完整设置见来源。
| 指标名次 | 模型 | Beat · GTZAN · F1 | Beat · osu2017 · F1 | Downbeat · GTZAN · F1 | Downbeat · osu2017 · F1 | Key · GiantSteps · Score | Key · GTZAN · Score | Chord · osu2017 · Maj/min | Chord · Chords1217 · Maj/min | Chord · JAAH · Maj/min | Structure · HarmonixSet | Melody · RWC-Pop | Melody · Rock Corpus · Vocal F1 | |||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Accuracy↑ | F1 @ 0.5 s↑ | F1 @ 3 s↑ | Vocal F1↑ | Full F1↑ | ||||||||||||
| - | SheetSage2-AR | 86.27 | 93.01 | 80.45 | 92.90 | 77.73 | 75.77 | 90.08 | 83.81 | 64.50 | 80.51 | 67.96 | 82.86 | 82.51 | 75.29 | 67.08 |
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 1 / 原表 4
以下实验尚未核实完整的公开推理包；同名模型的其他权重不能替代。
Baseline ( Alfaro-Contreras et al., 2024 ) · +1024-Pre-Norm · +MuQ encoder
HookKern 的流行乐主旋律与和弦谱、弦乐四重奏按各自测试集比较 SER，越低越好。仅列对应发布权重可核实的实验，不跨测试集混排。
| 指标名次 | 模型 | SheetSage-A2S | Quartets · SER | ||
|---|---|---|---|---|---|
| SER↓ | Melody SER↓ | Chord SER↓ | |||
| - | +Augmented data公开权重 · 推理代码 | 20.92 | 38.62 | 22.28 | 4.98 |
反馈时请注明工具名称、操作步骤和遇到的问题，可附截图帮助定位。