ScholarGate
Asisten
Machine learningTranscription

Transkripsi Musik Otomatis

Transkripsi musik otomatis adalah tugas mengonversi rekaman audio menjadi notasi musik simbolik (misalnya, partitur dengan nada, onset, dan durasi not). Diformalisasi sebagai masalah penelitian oleh Klapuri (2008), ini merupakan salah satu tugas paling menantang dalam pencarian informasi musik. Transkripsi memungkinkan pendidikan musik, analisis komposisi, dan pelestarian digital. Sistem modern, terutama yang menggunakan pembelajaran mendalam untuk musik piano (Hawthorne et al., 2019), telah mencapai kemajuan signifikan tetapi masih jauh dari sempurna pada musik polifonik umum.

Buka di MethodMindSegeraApply, compare, get guidance
Tools & resources
Unduh salindia
Learn & explore
VideoSegera

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. Klapuri, A. (2008). Automatic music transcription as we know it today. Journal of New Music Research, 33(3), 323-337. DOI: 10.1007/978-0-387-30441-0_20
  2. Poliner, G. E., & Ellis, D. P. (2007). A discriminative model for polyphonic piano transcription. IEEE Transactions on Audio, Speech, and Language Processing, 15(3), 1116-1126. DOI: 10.1155/2007/48317
  3. Hawthorne, C., Elsen, E., Song, J., Roberts, A., Simon, I., Raffel, C., ... & Engel, J. (2019). Onsets and Frames: Dual-Objective Piano Transcription. In ISMIR. link

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Automatic Music Transcription Algorithm. ScholarGate. https://scholargate.app/id/music-information-retrieval/automatic-music-transcription

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateAutomatic Music Transcription (Automatic Music Transcription Algorithm). Diakses 2026-06-19 dari https://scholargate.app/id/music-information-retrieval/automatic-music-transcription · Set data: https://doi.org/10.5281/zenodo.20539026