Voltar ao Blog

Partituras para MIDI: 1 000 páginas de teste — modo melhorado vs. padrão

Lacuna.fm Research Team
Partituras para MIDI: 1 000 páginas de teste — modo melhorado vs. padrão

A transcrição melhorada (Enhanced transcription) é um modo opcional do conversor de partituras para MIDI da Lacuna: uma segunda leitura mais lenta de cada página, compasso a compasso, depois de o modo padrão ter devolvido o seu resultado. Para ver o que muda, construímos um teste de 1 000 páginas: 200 excertos de uma página retirados de obras de domínio público, cada um transformado em cinco imagens: uma página limpa a 300 DPI, uma digitalização a 150 DPI, uma página com linhas da pauta esbatidas, uma fotografia de telemóvel simulada e uma fotografia simulada de uma página curva. No conjunto, as páginas têm 339 065 notas em 28 245 compassos, e cada uma tem uma referência exata com a qual comparar.

Os dois modos leram as 1 000 páginas. Numa escala de 100 pontos, em que 100 significa que o resultado coincide nota a nota com a referência, a transcrição melhorada obteve uma mediana de 98,8; o modo padrão obteve 82,1. A transcrição melhorada chegou a 98 ou mais em 602 das 1 000 páginas, e o modo padrão em 119. A diferença foi maior nas páginas curvas, onde a mediana do modo padrão desceu para 14,6 e a da transcrição melhorada foi de 98,2.

98,8
Pontuação de notas mediana em 100, transcrição melhorada
Modo padrão: 82,1 nas mesmas 1 000 páginas
602 em 1 000
páginas com 98 ou mais
Modo padrão: 119
85,5%
dos compassos sem diferenças face à referência
24 159 de 28 245; modo padrão: 52,0%

O que faz a transcrição melhorada

O modo padrão lê cada página uma vez e devolve primeiro o seu resultado. Depois, a transcrição melhorada volta a ler cada página selecionada, compasso a compasso, e substitui o resultado padrão dessa página quando termina. Demora mais e custa créditos adicionais, por isso é uma escolha que fazes por carregamento ou por página, e não a opção predefinida.

  • Duas formas de a iniciar. Ativa-a ao carregar o ficheiro ou escolhe as páginas a melhorar numa transcrição já concluída.
  • Preço por página. Cada página tem um preço de acordo com o número de notas que contém. O preço e uma espera estimada para cada página são mostrados antes de confirmares.
  • O resultado padrão mantém-se. Continua disponível enquanto as páginas melhoradas são processadas, e podes sair da página. Se uma página não terminar, o seu resultado padrão é mantido e os créditos da melhoria dessa página são reembolsados.

Como construímos o teste

200 excertos de 193 obras de 37 compositores. A maioria vem do OpenScore Lieder Corpus, uma coleção de canções de câmara, sobretudo do século XIX e do início do século XX, disponibilizada no domínio público; os restantes vêm do corpus do music21. Cada excerto ocupa uma página, normalmente a primeira da obra. Alguns são a partitura completa; outros mantêm apenas uma parte, como a do piano ou a linha vocal de uma canção, para que cada instrumentação esteja bem representada:

InstrumentaçãoExcertosPáginasMediana de notas por página
Linha única (voz, clarinete, lead sheet)41205102
Coro (três a cinco vozes, com ou sem piano)1890244
Voz e piano62310337
Piano58290479
Conjunto de câmara (quartetos de cordas, trios, grupos mistos)21105272

As páginas vão de 37 a 1 374 notas, com uma mediana de 291.

Cinco imagens de cada página. Cada excerto foi gravado a partir da sua edição codificada por pessoas com o Verovio, uma biblioteca de gravação musical de código aberto, numa página A4. As fontes musicais e o espaçamento das notas variaram entre excertos para que as páginas não fossem todas iguais. Depois, cada página foi guardada em cinco versões:

  • Limpa: 300 DPI.
  • 150 DPI: a mesma página a metade da resolução, com uma qualidade semelhante à de uma digitalização de baixa resolução.
  • Linhas da pauta esbatidas: linhas da pauta impressas em cinzento-claro com as notas inalteradas, como em algumas impressões a partir da web e exportações de baixa qualidade.
  • Fotografia de telemóvel simulada: a página sobre uma mesa escura com uma ligeira inclinação de perspetiva (cada canto deslocado até 3% do tamanho da página), iluminação quente irregular, ligeira desfocagem, ruído do sensor e compressão JPEG.
  • Página curva simulada: a fotografia, mais uma curvatura ao longo da largura da página, de modo que as linhas da pauta ficam arqueadas em vez de seguirem a direito.

Como cada imagem é gerada a partir de uma codificação conhecida, a referência é exata: são as notas da edição a partir da qual a página foi gravada. As fotografias são simulações. Uma fotografia real de câmara pode acrescentar problemas que estas não têm, como sombras, a dobra central de um livro ou margens cortadas.

A mesma linha do Concertino de Weber em cinco versões: limpa, 150 DPI, linhas da pauta esbatidas, fotografia de telemóvel simulada e página curva simulada
A primeira linha de uma página de teste nas suas cinco versões, de cima para baixo: limpa, 150 DPI, linhas da pauta esbatidas, fotografia de telemóvel simulada, página curva simulada. Weber, Concertino para clarinete e piano (parte de piano), edição de domínio público.

Como se pontua uma página. Comparamos o resultado com a referência, um compasso de cada vez. Dentro de um compasso, as notas de todas as vozes são ordenadas por início e altura, e uma nota só coincide quando coincidem tanto a altura como a duração escrita. A pontuação de notas é 100 × (1 − o número de edições necessárias para transformar o resultado na referência ÷ o número de notas comparadas). Compassos em falta ou a mais contam como totalmente errados. Uma pontuação de 100 significa que não há diferenças; 98 significa cerca de duas edições por cada cem notas.

O que a pontuação de notas não conta
A pontuação agrupa todas as vozes de um compasso, por isso uma nota colocada na voz ou na parte errada não é penalizada. As apogiaturas e outras notas de ornamento não são pontuadas, e as notas ligadas não são fundidas. Uma página pode ter 100 e, mesmo assim, ter as partes divididas de forma diferente da página impressa.

Páginas que substituímos. Depois da primeira execução, comparámos cada referência com a respetiva página impressa e encontrámos 11 excertos que não podiam ser comparados de forma justa: nove usavam a abreviatura de trémulo, que a referência guarda como uma nota longa enquanto a página mostra notas repetidas; um tinha notas ocultas na página mas presentes na referência; e outro tinha na referência durações que não correspondiam às notas impressas. Substituímos as suas 55 páginas por 11 excertos da mesma instrumentação que passaram na mesma verificação. As páginas substituídas não entram em nenhum número deste artigo; nelas, a transcrição melhorada teve uma média de 77,7 e o modo padrão de 53,0.

Cada página foi processada uma vez por cada modo.

Resultados por condição de imagem

CondiçãoMelhorada: média / medianaPadrão: média / medianaPáginas ≥ 98 (melhorada / padrão)Compassos sem diferenças (melhorada / padrão)
Limpa, 300 DPI97,8 / 99,186,1 / 93,5137 / 504 991 / 4 048
Linhas da pauta esbatidas97,4 / 98,983,8 / 92,5127 / 414 962 / 3 892
150 DPI96,5 / 99,176,0 / 84,1129 / 144 819 / 3 158
Fotografia de telemóvel simulada96,1 / 98,272,8 / 81,7104 / 144 675 / 3 030
Página curva simulada95,3 / 98,217,7 / 14,6105 / 04 712 / 558

Cada condição tem 200 páginas e 5 649 compassos.

O modo padrão perdeu terreno a cada passo que se afastava de uma página limpa: a sua média desceu de 86,1 nas páginas limpas para 72,8 nas fotografias planas e para 17,7 nas curvas, onde nenhuma das suas 200 páginas chegou a 98. A transcrição melhorada perdeu muito menos. A sua média nas páginas curvas, 95,3, foi mais alta do que a média do modo padrão nos originais limpos dessas mesmas páginas.

Pontuação de notas média em 100 por condição de imagem, 200 páginas cada. Barras mais escuras: transcrição melhorada. Barras mais claras: modo padrão.
Fonte: Teste interno da Lacuna, novembro de 2026; uma execução por página e modo

Resultados por instrumentação

InstrumentaçãoPáginasMelhorada: média / medianaPadrão: média / medianaPáginas ≥ 98 (melhorada / padrão)Compassos sem diferenças (melhorada / padrão)
Linha única20598,7 / 10069,3 / 86,3164 / 418 315 / 5 614 de 8 520
Coro9097,0 / 99,167,4 / 83,057 / 191 446 / 752 de 1 635
Voz e piano31097,0 / 98,566,5 / 81,0189 / 175 279 / 2 777 de 6 445
Piano29095,3 / 97,566,4 / 80,9131 / 277 443 / 4 543 de 9 340
Conjunto de câmara10594,6 / 99,367,9 / 83,361 / 151 676 / 1 000 de 2 305

As linhas únicas foram as mais fáceis para a transcrição melhorada: 131 dessas 205 páginas saíram sem qualquer diferença. O piano foi o mais difícil, com mais notas por página. As páginas de conjunto de câmara dividiram-se em dois grupos: a maioria teve pontuações muito altas, o que deu ao grupo a mediana mais alta, mas algumas páginas densas de quarteto de cordas pontuaram tão baixo que puxaram a sua média para o fundo da tabela.

Com que frequência cada modo ficou perto

As médias escondem como os dois modos se distribuem de forma diferente. Contando as páginas por pontuação:

Pontuação de notasMelhoradaPadrão
100 (sem diferenças)30941
De 99 a menos de 10016238
De 98 a 9913140
De 95 a 9819898
De 90 a 95110156
De 80 a 9065149
De 50 a 8024193
Abaixo de 501285
Número de páginas em cada intervalo de pontuação de notas, num total de 1 000. Barras mais escuras: transcrição melhorada. Barras mais claras: modo padrão.
Fonte: Teste interno da Lacuna, novembro de 2026; uma execução por página e modo

O modo padrão pontuou abaixo de 50 em 285 páginas, 191 delas curvas. Nessas mesmas 285 páginas, a transcrição melhorada teve uma média de 95,8 (mediana de 98,4), e 220 delas chegaram a 95 ou mais. Página a página, a transcrição melhorada pontuou mais de 2 pontos acima do modo padrão em 791 páginas, ficou a 2 pontos ou menos em 176 e mais de 2 pontos abaixo em 33.

O que a transcrição melhorada ainda erra

Nas 1 000 páginas, a transcrição melhorada deixou 14 802 diferenças em 339 065 notas de referência, cerca de uma em cada 23:

  • 9 131 notas com a altura errada. 6 193 delas estavam desviadas um ou dois meios-tons, o equivalente a ler uma cabeça de nota uma linha ou um espaço ao lado, ou a falhar um acidente. 100 estavam desviadas uma oitava.
  • 2 753 notas em falta e 1 559 notas a mais.
  • 1 359 notas com a duração errada.

As diferenças concentraram-se numa minoria de compassos, em vez de se espalharem por cada página: 85,5% dos compassos saíram sem diferenças, contra 52,0% no modo padrão. Rever os compassos mais preenchidos e os acordes apanha a maior parte do que fica.

Resultados em sete páginas reais problemáticas

À parte do teste, processámos sete páginas reais dos tipos que o modo padrão tratava pior, com 1 087 notas no total. Não mostramos estas páginas e apresentamos apenas as suas pontuações.

Tipo de páginaNotasPadrãoMelhoradaTempo da melhorada
Polifonia renascentista, seis vozes1144,495,62,5 min
Partitura de piano com a letra impressa entre as pautas14416,71004,4 min
PDF digitalizado de baixa resolução16731,098,82,1 min
Mudanças de clave frequentes, incluindo uma clave oitavada12254,91003,9 min
Voz e piano, captura de ecrã do telemóvel19964,798,03,0 min
Coro a cinco vozes89100*1001,6 min
Piano2521001002,9 min

* O modo padrão acertou todas as notas da página de coro, mas dividiu as suas cinco vozes em nove partes, algo que a pontuação de notas não conta.

Nas sete páginas, o modo padrão teve uma média de 53,1 e a transcrição melhorada de 98,9.

Porque é que este conjunto é apenas uma evidência complementar
Estas páginas não têm uma referência feita por pessoas. A sua referência é a versão em que várias leituras lentas e independentes de cada página coincidiram nota a nota, feitas com o mesmo tipo de leitura compasso a compasso que a transcrição melhorada usa. Um erro partilhado por essas leituras contaria aqui como correto. É por isso que os números principais vêm das 1 000 páginas do teste.

Quanto tempo demora

O tempo de processamento aumenta com o número de notas na página e com o grau de degradação da imagem. As 1 000 páginas do teste foram processadas muitas de cada vez em hardware de teste partilhado, por isso os seus tempos não são representativos. Estes tempos vêm de execuções de teste que processaram uma página de cada vez:

  • As sete páginas reais, com 89–252 notas cada, demoraram 1,6 a 4,4 minutos cada.
  • Oito páginas do teste com 254–804 notas, como fotografias e fotografias curvas, demoraram 3,8 a 11,5 minutos cada. Uma página completa de escrita densa para piano, com 804 notas, demorou 10,6 minutos como fotografia e 11,5 minutos curva.

Estes tempos vêm de execuções de teste e vão variar com a carga. No produto, a espera estimada de cada página é mostrada antes de confirmares.

Quando a usar

Os ganhos foram maiores onde o modo padrão perdia a estrutura da página: páginas curvas ou fotografadas, digitalizações de baixa resolução, coros e outras páginas com várias partes, e escrita densa para piano. Onde o resultado do modo padrão já correspondia à página, a transcrição melhorada tinha pouco a acrescentar.

Uma ordem prática: corre primeiro o modo padrão, compara alguns compassos do resultado com a página e melhora as páginas a que faltam notas ou compassos, ou cujas vozes saíram fundidas ou divididas. A transcrição melhorada está disponível nas ferramentas partituras para MIDI e PDF para MIDI.