基于合成数据的难度控制钢琴谱简化，面向包容性音乐教育
声音
2025-11-25 v2
摘要
尽管 AI 在音乐教育领域潜力巨大，但专有制度限制了技术在该领域的民主化。尤其是，AI 驱动的音乐难度调整尤为有前景，因为简化复杂曲目可使音乐教育更具包容性和可及性，吸引各年龄层的学习者。然而，近期研究依赖专有数据集，阻碍了研究社区的复现、比较与延伸。此外，虽然这些生成方法潜力巨大，但大多数使用 MIDI 格式，而该格式与其他如 MusicXML 格式不同，缺乏可读性和排版信息，限制了其对人类演奏者的实际应用。本工作提出一种基于 transformer 的方法，用于调整 MusicXML 钢琴谱的难度。不同于以往依赖标注数据集的方法，我们提出由难度排序的钢琴谱对组成的合成数据集，其中每对包含同一作品的更具挑战性与更易掌握的 arrangement。我们通过在相同旋律与和声条件下创建变体来生成这些配对，并利用预训练模型评估难度与风格，确保配对的合适性。实验结果表明，所提方法有效，能够准确控制可玩性与目标难度，实验通过定性与定量评估得以凸显。与以往工作不同，本工作公开释放所有资源（代码、数据集与模型），确保可复现，推动开源创新，以帮助弥合数字鸿沟。
关键词
引用
@article{arxiv.2511.16228,
title = {Difficulty-Controlled Simplification of Piano Scores with Synthetic Data for Inclusive Music Education},
author = {Pedro Ramoneda and Emilia Parada-Cabaleiro and Dasaem Jeong and Xavier Serra},
journal= {arXiv preprint arXiv:2511.16228},
year = {2025}
}