[论文解读] Partitura: A Python Package for Symbolic Music Processing

Carlos Cancino-Chacón, Silvan David Peter+4 more|arXiv (Cornell University)|Jun 2, 2022

Music and Audio Processing被引用 6

一句话总结

Partitura 是一个轻量级的 Python 软件包，通过将 MEI、MusicXML、Humdrum 和 MIDI 文件高效解析为结构化、适用于音乐信息检索（MIR）的数据格式（如音符数组和钢琴卷帘），简化了符号音乐处理。它支持诸如音高拼写、调号检测和声部分离等关键音乐分析任务，并独特地处理乐谱与演奏之间的对齐，使其非常适合对音乐专业知识要求较低且与机器学习流程高度兼容的研究人员。

ABSTRACT

Partitura is a lightweight Python package for handling symbolic musical information. It provides easy access to features commonly used in music information retrieval tasks, like note arrays (lists of timed pitched events) and 2D piano roll matrices, as well as other score elements such as time and key signatures, performance directives, and repeat structures. Partitura can load musical scores (in MEI, MusicXML, Kern, and MIDI formats), MIDI performances, and score-to-performance alignments. The package includes some tools for music analysis, such as automatic pitch spelling, key signature identification, and voice separation. Partitura is an open-source project and is available at https://github.com/CPJKU/partitura/.

研究动机与目标

• 通过简化符号音乐数据的处理，降低音乐信息检索（MIR）研究人员的入门门槛。
• 提供一个轻量、高效的替代方案，取代如 music21 这类复杂的符号音乐库，专注于 MIR 相关的数据结构。
• 实现对多种符号音乐格式（MEI、MusicXML、Humdrum、MIDI）以及乐谱-演奏对齐的无缝处理。
• 将关键的音乐分析工具（如音高拼写、调号检测和声部分离）直接集成到数据处理流程中。
• 通过易于访问的标准、数值高效的表示形式（如稀疏钢琴卷帘和结构化音符数组），支持高层 MIR 任务。

提出的方法

• 使用专用的内部表示，将符号音乐文件（MEI、MusicXML、Humdrum、MIDI）解析为原生 Python 对象。
• 将乐谱和演奏转换为标准化的 MIR 数据结构：音符数组（作为 NumPy 结构化数组）和钢琴卷帘（作为 SciPy 稀疏矩阵）。
• 通过 `time_div` 参数控制时间分辨率，以在不同时间粒度（例如八分音符或十六分音符）下生成钢琴卷帘。
• 在 `partitura.musicanalysis` 模块中实现音乐分析工具，从符号数据中推断音高拼写、调号、声部分配和调性张力。
• 使用启发式和基于规则的推理方法，从被视作乐谱的 MIDI 文件中恢复缺失的音乐信息（如音高拼写、声部标签）。
• 支持在音符级或时间级（如拍和小节级别）实现乐谱与 MIDI 演奏之间的对齐，这是现有库中独有的功能。

实验结果

研究问题

• RQ1 如何统一地解析和表示来自不同格式（MEI、MusicXML、Humdrum、MIDI）的符号音乐数据，使其支持 MIR 工作流？
• RQ2 从符号音乐表示中提取常用 MIR 数据结构（如音符数组和钢琴卷帘）的最有效方法是什么？
• RQ3 是否可以将轻量级、高层的音乐分析工具集成到数据处理流程中，而无需深入理解符号音乐表示？
• RQ4 如何系统地表示和计算乐谱与演奏之间的对齐，以支持下游 MIR 任务？
• RQ5 在 MIDI 文件中缺失的音乐元数据（如音高拼写、声部标签）在多大程度上能通过基于规则的方法可靠地推断出来？

主要发现

• Partitura 能够成功地将 MEI、MusicXML、Humdrum 和 MIDI 格式的符号音乐解析并表示为一致的、适用于 MIR 的 Python 对象。
• 该软件包支持通过一行代码提取音符数组和钢琴卷帘，并可自定义时间分辨率，采用高效的稀疏矩阵表示。
• 音乐分析工具（如音高拼写、调号检测和声部分离）能从符号数据中准确推断，即使在缺乏显式元数据的 MIDI 文件中亦然。
• Partitura 独一无二地支持在音符级和时间级实现乐谱-演奏对齐，从而支持基于对齐的 MIR 任务。
• 该软件包减少了对手动预处理和音乐专业知识的需求，简化了 MIR 研究的数据处理流程。
• 该库设计注重性能和可扩展性，当前开发重点包括处理格式错误的文件、并行处理以及自动乐谱展开。