Audio-to-Score Transcription using Pre-trained Features, Data Augmentation, and the New SheetSage-A2S Dataset
ACM Multimedia - 2026
本站 SheetSage 每次處理最多 30 秒的主旋律與和弦片段，輸出 PDF / MusicXML / Humdrum **kern 樂譜供校訂。弦樂四重奏使用獨立模型；不支援任意編制的完整還原。
載入中...
辨識整曲的人聲與器樂主旋律、和弦、節拍、拍號、調性和段落，匯出 PDF、MusicXML、MIDI、ABC 樂譜與時間標註。複雜混音需校對。
輸入
支援 mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv 等格式輸入
支援格式
輸出
PDF · MusicXML · ABC · MIDI
適用場景
辨識整曲的人聲與器樂主旋律、和弦、節拍、拍號、調性和段落，匯出 PDF、MusicXML、MIDI、ABC 樂譜與時間標註。複雜混音需校對。
按素材和用途選擇模型，查看範例後再提交。
費用、耗時、格式和參數以所選模型為準。
回報時請註明工具名稱、操作步驟和遇到的問題，可附截圖協助定位。
辨識整曲主旋律與和弦，支援更多拍號與和弦類型，可辨識調式。匯出 PDF、MusicXML、MIDI、ABC 樂譜與時間標註；結果需校對。
將選定的最多 30 秒音訊片段轉成主旋律與和弦譜，輸出 PDF / MusicXML / Humdrum **kern 供校訂。
ACM Multimedia - 2026
本站 SheetSage 每次處理最多 30 秒的主旋律與和弦片段，輸出 PDF / MusicXML / Humdrum **kern 樂譜供校訂。弦樂四重奏使用獨立模型；不支援任意編制的完整還原。
包含本站與站外的公開測試結果。預設顯示來源完整表，也可切換條件和指標比較；不同測試條件的分數不能直接比較。
僅顯示已核實公開推論實作及對應權重的紀錄（無需權重的演算法除外）。封閉服務、未公開權重或無法匹配實驗版本的紀錄不入榜；這不是全領域總榜。
公開權重不等於授權完整的開源。權重授權和存取條件請見展開資料；未明確聲明的授權另行標示。
圖中為作者公開成績。本站處理設定尚無同條件實測分數，因此未標為本站成績。
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 3 / 原表 3
Refined 作者在相同音訊的留出集上評測：流行歌曲測試集 95 首、驗證集 47 首，標註未公開；變拍子 50 首含 9 首錄音與 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 個片段。小節兩端須在 ±70 ms 內且無多餘小節線；一致重分組允許來源規定的拍號重組。旋律配對同音高與 50 ms 起音，轉調容限 ±2 s。調式評測使用對應選用模式；不與原版論文混排。
| 指標名次 | 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 |
資料集、版本和條件分別列出，未納入排行的評測也保留來源。
可部署項目 3 / 原表 3
可部署項目 3 / 原表 3
可部署項目 3 / 原表 3
可部署項目 2 / 原表 2
可部署項目 3 / 原表 3
可部署項目 1 / 原表 9
以下實驗尚未核實完整的公開推論套件；同名模型的其他權重不能替代。
SheetSage1 · madmom · Beat This! · S-KEY · ChordFormer · † ChordFormer · SongFormer
可部署項目 1 / 原表 4
以下實驗尚未核實完整的公開推論套件；同名模型的其他權重不能替代。
Baseline ( Alfaro-Contreras et al., 2024 ) · +1024-Pre-Norm · +MuQ encoder
評測分數對應各自的資料集、指標和模型版本，不同測試的分數不能直接比較。
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 3 / 原表 3
Refined 作者在相同音訊的留出集上評測：流行歌曲測試集 95 首、驗證集 47 首，標註未公開；變拍子 50 首含 9 首錄音與 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 個片段。小節兩端須在 ±70 ms 內且無多餘小節線；一致重分組允許來源規定的拍號重組。旋律配對同音高與 50 ms 起音，轉調容限 ±2 s。調式評測使用對應選用模式；不與原版論文混排。
| 指標名次 | 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 |
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 3 / 原表 3
Refined 作者在相同音訊的留出集上評測：流行歌曲測試集 95 首、驗證集 47 首，標註未公開；變拍子 50 首含 9 首錄音與 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 個片段。小節兩端須在 ±70 ms 內且無多餘小節線；一致重分組允許來源規定的拍號重組。旋律配對同音高與 50 ms 起音，轉調容限 ±2 s。調式評測使用對應選用模式；不與原版論文混排。
| 指標名次 | 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 |
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 3 / 原表 3
Refined 作者在相同音訊的留出集上評測：流行歌曲測試集 95 首、驗證集 47 首，標註未公開；變拍子 50 首含 9 首錄音與 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 個片段。小節兩端須在 ±70 ms 內且無多餘小節線；一致重分組允許來源規定的拍號重組。旋律配對同音高與 50 ms 起音，轉調容限 ±2 s。調式評測使用對應選用模式；不與原版論文混排。
| 指標名次 | 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 |
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 2 / 原表 2
Refined 作者在相同音訊的留出集上評測：流行歌曲測試集 95 首、驗證集 47 首，標註未公開；變拍子 50 首含 9 首錄音與 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 個片段。小節兩端須在 ±70 ms 內且無多餘小節線；一致重分組允許來源規定的拍號重組。旋律配對同音高與 50 ms 起音，轉調容限 ±2 s。調式評測使用對應選用模式；不與原版論文混排。
| 指標名次 | 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 / — |
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 3 / 原表 3
Refined 作者在相同音訊的留出集上評測：流行歌曲測試集 95 首、驗證集 47 首，標註未公開；變拍子 50 首含 9 首錄音與 41 首合成，另有 300 首同分布合成曲及 HookTheory 1026 個片段。小節兩端須在 ±70 ms 內且無多餘小節線；一致重分組允許來源規定的拍號重組。旋律配對同音高與 50 ms 起音，轉調容限 ±2 s。調式評測使用對應選用模式；不與原版論文混排。
| 指標名次 | 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 |
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 1 / 原表 9
以下實驗尚未核實完整的公開推論套件；同名模型的其他權重不能替代。
SheetSage1 · madmom · Beat This! · S-KEY · ChordFormer · † ChordFormer · SongFormer · SheetSage1
作者評測使用 paper 預設和 BF16；本站候選使用 default 預設和 FP32，表中分數不是本站實測。節拍與下拍容限為 70 ms，統一排除前 5 s；旋律按音級和 50 ms 起音配對，不配對結束時間。Beat This! 是三個種子的平均；ChordFormer 依資料集採用集成或留出折。僅在相同條件內排名，完整設定見來源。
| 指標名次 | 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 |
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 1 / 原表 4
以下實驗尚未核實完整的公開推論套件；同名模型的其他權重不能替代。
Baseline ( Alfaro-Contreras et al., 2024 ) · +1024-Pre-Norm · +MuQ encoder
HookKern 的流行樂主旋律與和弦譜、弦樂四重奏按各自測試集比較 SER，越低越好。僅列對應發布權重可核實的實驗，不跨測試集混排。
| 指標名次 | 模型 | SheetSage-A2S | Quartets · SER | ||
|---|---|---|---|---|---|
| SER↓ | Melody SER↓ | Chord SER↓ | |||
| - | +Augmented data公開權重 · 推論程式碼 | 20.92 | 38.62 | 22.28 | 4.98 |