Oemer 光学音乐识别系统使用教程

Oemer 光学音乐识别系统使用教程

oemer End-to-end Optical Music Recognition (OMR) system. Transcribe phone-taken music sheet image into MusicXML, which can be edited and converted to MIDI. 项目地址: https://gitcode.com/gh_mirrors/oe/oemer

1、项目介绍

Oemer 是一个端到端的光学音乐识别（OMR）系统，能够将手机拍摄的音乐乐谱图像转换为 MusicXML 格式，该格式可以进一步编辑和转换为 MIDI 文件。Oemer 基于深度学习模型和机器学习技术构建，能够处理倾斜和手机拍摄的图像。该项目主要针对西方音乐符号进行识别，可能不适用于手写乐谱或其他类型的音乐符号。

2、项目快速启动

安装 Oemer

你可以通过以下命令从 PyPi 安装 Oemer：

pip install oemer

如果你想使用 Tensorflow 版本，可以安装以下扩展：

pip install oemer[tf]

或者，你也可以直接从 GitHub 安装最新版本的 Oemer：

pip install git+https://github.com/BreezeWhite/oemer

运行 Oemer

安装完成后，你可以使用以下命令运行 Oemer：

oemer <path_to_image>

该命令将输出转换后的 MusicXML 文件和分析元素的图像到当前目录。使用 GPU 时，通常需要 3~5 分钟完成转换。首次运行时，模型检查点将自动下载，可能需要 10 分钟，具体取决于你的网络速度。

3、应用案例和最佳实践

应用案例

Oemer 可以广泛应用于音乐教育、音乐出版和音乐制作等领域。例如，音乐教师可以使用 Oemer 将学生提交的手写乐谱转换为可编辑的数字格式，方便批改和存档。音乐出版商可以使用 Oemer 将扫描的乐谱转换为数字格式，提高工作效率。

最佳实践

1. 图像质量优化：为了获得最佳识别效果，建议使用高质量的图像。避免使用模糊或倾斜的图像。
2. 手动下载检查点：如果你希望加快首次运行速度，可以手动下载模型检查点并放置在指定目录。
3. 禁用倾斜校正：如果你确定图像没有倾斜，可以使用 --without-deskew 选项禁用倾斜校正步骤，以加快处理速度。

4、典型生态项目

相关项目

1. MuseScore：一个开源的音乐符号编辑器，支持导入和编辑 MusicXML 文件。Oemer 生成的 MusicXML 文件可以直接导入 MuseScore 进行进一步编辑。
2. LilyPond：一个强大的音乐排版工具，支持从 MusicXML 文件生成高质量的乐谱。Oemer 生成的 MusicXML 文件可以导入 LilyPond 进行排版。
3. MIDI.js：一个用于在网页上播放 MIDI 文件的 JavaScript 库。Oemer 生成的 MIDI 文件可以直接在网页上播放。

通过这些生态项目，Oemer 可以与现有的音乐工具和平台无缝集成，为用户提供完整的音乐处理解决方案。

oemer End-to-end Optical Music Recognition (OMR) system. Transcribe phone-taken music sheet image into MusicXML, which can be edited and converted to MIDI. 项目地址: https://gitcode.com/gh_mirrors/oe/oemer