Score Transformer：从音符级表示生成乐谱

基于摘要分析。本文研究如何将音符级、相当于 MIDI 的音乐符号表示转换为可视化乐谱，核心贡献是设计覆盖多种乐谱元素的 score token 表示，并训练 Transformer 完成从音符级表示到音乐记谱的转写。 原问题并非从音频识别音符，也不是单纯生成可播放的音乐序列：音符级表示虽能包含足以听觉重现音乐的信息，却不足以完整表达视觉记谱所需的符号和属性。论文关注的元素包括谱号、调号、音符，以及符干方向、连梁和延音线等。其方法将这些记谱信息编码为 token，使模型能够学习输入音符与输出乐谱表示之间的对应关系；具体 token 词表、序列组织、训练目标及解码约束尚未验证。 作者报告，在流行钢琴乐谱评估中，该方法在所考察的全部 12 个音乐方面均显著优于现有方法。摘要未提供这些方面的完整定义、具体分数、对照方法或统计检验细节，因此无法据此判断提升幅度及其适用范围。作者还比较了不同记谱级 token 表示，并报告所提出的表示产生了最稳定的结果，但稳定性的衡量方式尚未验证。 复现需进一步核对数据来源与划分、音符及乐谱的预处理和对齐方式、token 编码规则、模型训练配置、评价指标及对照实现；实验协议、消融及统计信息尚未验证。本文主要研究对象是音乐符号转写，摘要没有提供 EEG 或 BCI 实验，也未建立可直接核验的神经信号机制对应关系，因此不据此推断其 BCI 有效性。