Magenta魔改记-2：数据格式与数据集

最新推荐文章于 2024-09-14 08:53:52 发布

原创

最新推荐文章于 2024-09-14 08:53:52 发布 · 862 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#计算机音乐 #人工智能 #TensorFlow #音乐 #自动作曲

本文探讨了MIDI和MusicXML两种音乐数据格式，MIDI主要用于音乐播放，格式复杂，而MusicXML以XML为基础，提供清晰的记谱排版，更适合符号化音乐分析。尽管MIDI文件广泛应用，但由于格式不统一，数据处理困难。MusicXML虽优，但原生数据集较少。对于计算机音乐研究，建议使用MusicXML格式。

Magenta魔改记-2：数据格式与数据集

数据格式：MusicXML与MIDI

上一节我们主要提到了两种数据格式：MIDI（.mid/.midi）和MusicXML（.xml/.mxl）。其实他们二者，包括提到的ABC notation，都是在计算机中用于记谱的文件格式。
在这其中，ABC notation是以文本形式储存的，更接近于简谱。并且，ABC notation也应用的不广泛，更不用说和打谱软件对接了，因此在此就不详细展开了，感兴趣的可以看https://en.wikipedia.org/wiki/ABC_notation 。
而对于MIDI与MusicXML二者，他们表达的内容很相似，但差别在文件储存的格式上。

MIDI

MIDI，全称为Musical Instrument Digital Interface。而现如今对于MIDI这个名称的含义有三重意思：

连接音乐设备的物理接口（Musical Instrument Digital Interface）
存储和回放音乐的文件格式（Standard MIDI File）
通用MIDI（General MIDI）

对于MIDI的历史，最早可以追溯到八世纪水力驱动的自动乐器，到后来的八音盒、自动钢琴等。
而我们重点关注的是第二个含义，标准MIDI文件（SMF）。
关于标准MIDI文件的格式，https://www.csie.ntu.edu.tw/~r92092/ref/midi/ 有着很详尽的介绍。
MIDI文件是一种二进制文件，其中绝大部分由一个个事件（Events）组成，每个事件都有其相对应的时间戳。这其中最普遍的时间就是音符（Note）。音符又可分为按下（Note on）和抬起（Note off）。这二者的参数都是（通道，音高，力度），其中通道指的是？，而音高就是MIDI中以八位二进制数相对应的音高（中央C对应60，各音高按十二平均律依次加减）。
其他的常见事件包括time_signature（节拍标记，例如4/4拍）、key_signature（调式标记，例如B小调）、以及control_changes（控制器输入变化，如踩踏板）。
因此，我们在上一节中，可以看到Magenta利用pretty_midi库将MIDI文件转化成了一个一个事件列表，其中音符事件又合并成了Note（start,end,key,instrument,programe），其中program又指的是这个音符应当播放的音色。
然而，我们可以发现，在MIDI文件中，音符的start和end的绝对时间非常不整，通常都是很多位小数。这是由于：

在相对节拍到绝对时间戳的转换时，很容易会有除不尽的情况。因此start的时间戳很容易就会是很多位的小数。
在真实演奏中，一个音和下一个音很少是完全连接的，人们会或故意或无意的对两个音进行间隔，例如在钢琴中弹奏一个音之后若要再弹奏下一个距离远的音，需要切换手的位置，因此两个音不可避免的会有间隔。MIDI文件是可以直接根据音符的start和end进行播放的，因此很多MIDI文件在导出时，为了让每个音符的结尾听起来更自然，都不