# ABC谱

**Repository Path**: biluoer/abc-player

## Basic Information

- **Project Name**: ABC谱
- **Description**: 项目支持把 ABC 谱转换为五线谱，并支持多种导出方式，提供试听、音符自动跟踪功能。

其它功能： 番茄简谱转ABC谱；生成6孔洞洞谱，并提供试听、音符自动跟踪功能
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-13
- **Last Updated**: 2026-09-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目介绍

项目支持把 ABC 谱转换为五线谱，并支持多种导出方式，提供试听、音符自动跟踪功能。

其它功能：

- 番茄简谱转ABC谱
- 生成6孔洞洞谱，并提供试听、音符自动跟踪功能

试用地址：https://biluokong.github.io/abcPlayer

赞赏码：

![赞赏码](public/donate.jpg)

# 生成乐谱

## 生成洞洞谱

- **哨笛洞洞谱生成器 (Tin Whistle Tab Converter)**
  这是一个在线工具，能**直接输入简谱文本，实时生成对应的洞洞谱（指法图）**。它由个人开发者 `Luoling116` 创建，源代码托管在 GitHub 上。

    - **核心功能**：输入简谱数字（如 `1155|665-`），页面会立即生成对应的指法图。
    - **主要特点**：支持D调、筒音作1或5；支持八分/十六分音符、升降音、附点等；可播放旋律并高亮当前音符；支持一键打印或导出为PDF；电脑、手机、iPad均可使用。
    - **适用场景**：非常适合**爱尔兰哨笛**初学者用于练习和视奏。
    - **地址**：https://luoling116.github.io/whistle/

# 乐谱图片识别

## 五线谱识别

- **Audiveris**：这是目前**最知名、最成熟**的开源OMR引擎之一。

    - **核心功能**：能将扫描的乐谱图像精准转换为 **MusicXML** 和 **MIDI** 等标准数字格式。
    - **技术特点**：正如我们之前讨论的，它采用**混合型技术路线**，针对不同乐谱元素（如谱线、音符、文本）使用定制算法、模板匹配和神经网络（DL4J）等不同策略。
    - **适用场景**：**处理印刷体乐谱**，特别是扫描的书籍、论文等。项目官方建议扫描分辨率在**300dpi**以上效果更佳。
    - **项目地址**：https://audiveris.github.io/audiveris/

## 简谱识别

- **jpeditor：功能全面的“瑞士军刀”**
    - **核心功能**：这是一个功能非常强大的在线简谱编辑器，**简谱图片识别（OMR）** 只是其众多强大功能之一。它还支持`.jpwabc`格式实时编辑、简谱与五线谱混排、ABC记谱法导入、乐谱播放，并支持导出为PDF、PNG、MIDI、PPTX等多种格式。
    - **技术实现**：采用**混合技术路线**。它使用**连通域几何启发**的方法进行基础的符号分割和识别，并集成了**PaddleOCR的PP-OCRv4模型**来专门识别简谱中的数字和歌词，最后通过一个**逐音节与音符对齐**的模块将两者匹配起来。
    - **特点与优势**：
        - **本地识别，保护隐私**：所有识别过程均在本地浏览器或桌面应用中完成，无需上传图片到服务器。
        - **识别核对视图**：提供独特的比对视图，可将识别结果叠加在原图上，方便用户逐音符进行校对和修正。
        - **跨平台**：提供网页版和基于Tauri框架的Windows/macOS桌面应用。
    - **项目地址**：https://github.com/lodebar2026/jpeditor
- **MusicalScoreRecognition：专注的研究型项目**
    - **核心功能**：一个专注于**从简谱图片中提取音乐信息并生成MIDI文件**的研究项目。
    - **技术实现**：采用**传统的图像处理流水线**，主要依赖**OpenCV**进行图像处理，通过**模板匹配**来识别音符等符号。
    - **特点与优势**：提供命令行和图形界面（GUI）两种操作方式，并且允许用户在识别过程中**手动干预和修正中间结果**，以提高最终输出的准确性。
    - **项目地址**：https://github.com/MAraragi/MusicalScoreRecognition
- **jianpu-omr：基于图像分割的尝试**
    - **核心功能**：一个将简谱识别视为**图像分割（Image Segmentation）** 问题的实验性项目。
    - **技术实现**：主要使用**Jupyter Notebook**和**Python**编写，试图通过分割技术来区分和识别简谱中的不同元素。
    - **特点与优势**：项目侧重于学术探索，代码量不大，适合想了解图像分割技术在简谱识别中应用的研究者参考。
    - **项目地址**：https://github.com/dlzou/jianpu-omr