SCORE-SET

SCORE-SET是一个专门为吉他音乐生成、序列建模和表现感知学习定制的吉他Pro五线谱文件数据集。该数据集来源于Hawthorne等人（2019）和Kong等人（2022）的MIDI音符，这些音符已被改编成节奏吉他曲目，并加入了各种典型的吉他演奏表现手法，如推弦、滑音、颤音和掌音。数据集包含198656个音符，约25.39%的音符具有表现手法。数据集通过手动转录公开可用的现代金属歌曲音频录音创建，旨在为表现感知生成模型提供更细腻的吉他演奏表示。

SCORE-SET is a Guitar Pro staff notation dataset specifically tailored for guitar music generation, sequence modeling, and expression-aware learning. It is derived from MIDI notes from Hawthorne et al. (2019) and Kong et al. (2022), which have been adapted into rhythm guitar tracks and supplemented with various typical guitar performance techniques, including string bends, slides, vibrato, and palm muting. The dataset contains 198,656 notes, with approximately 25.39% of them featuring expressive performance techniques. Constructed via manual transcription of publicly available audio recordings of modern metal songs, this dataset aims to provide more refined representations of guitar performance for expression-aware generative models.

原始信息汇总

SCORE-SET 数据集概述

数据集简介

• SCORE-SET 是一个由 .gp5 转录文件组成的数据集。
• 数据来源于 GiantMIDI 和 MAESTRO 数据集。
• 基于统计模式添加了吉他特定的表达方式（参考 Accents 文档）。

下载方法

直接下载

• 从最新发布版本获取数据集：SCORE-SET releases

准备方法（推荐使用环境运行）

1. 克隆仓库： bash git clone https://github.com/DjentleViBe/SCORE-SET.git

2. 安装依赖： bash pip install -r requirements.txt

3. 下载 gp5_templates.zip 并解压到 ./gprofiles/gp5_templates 文件夹。

4. 运行： bash python main.py

• 生成的 SCORE-SET_v*.*.*.zip 文件将包含 .gp5 文件，并输出到项目根目录。

参考文献

1. Guitar Pro 官网：https://www.guitar-pro.com/
2. GiantMIDI-Piano 论文：https://arxiv.org/pdf/2010.07061
3. MAESTRO 数据集论文：https://openreview.net/forum?id=r1lYRjC9F7

搜集汇总

数据集介绍

构建方式

SCORE-SET数据集通过精心处理MIDI音符数据，将其转化为适用于吉他演奏的GuitarPro标签文件（.gp5格式）。该数据集基于Hawthorne等人（2019）和Kong等人（2022）的钢琴MIDI数据，通过自定义脚本将音符映射到吉他的弦位和品位，并加入了丰富的吉他演奏技巧，如弯音、滑音、颤音和闷音等。为确保数据的真实性和可演奏性，算法优先考虑低品位和自然的手指连续性，同时对时间签名和音符持续时间进行了量化处理，最终通过PyGuitarPro库导出为标准的.gp5文件。

特点

SCORE-SET数据集以其对吉他演奏细节的高度还原而著称，涵盖了多种吉他特有的表现技巧，如弯音、滑音、颤音和闷音等。这些技巧的加入使得数据集能够更真实地反映实际演奏中的细微差别。此外，数据集还包含了单音和和弦的编码，并通过量化技术确保了节奏的准确性。数据集的独特之处在于其专注于现代金属音乐风格，通过手动转录公开音频录音，确保了风格的真实性和表达的丰富性。

使用方法

SCORE-SET数据集适用于吉他音乐生成、序列建模和表现感知学习等任务。研究人员可以利用该数据集训练生成模型，以创作具有丰富表现力的吉他音乐。数据集提供的.gp5文件兼容标准的标签软件，便于用户进行可视化和编辑。此外，数据集中的技巧统计信息可用于分析吉他演奏中的表达模式，为音乐信息检索和生成算法提供支持。使用该数据集时，建议结合PyGuitarPro库进行进一步的处理和分析。

背景与挑战

背景概述

SCORE-SET数据集由独立研究员Vishakh Begari于2025年创建，旨在填补吉他音乐生成领域高质量符号化数据资源的空白。该数据集基于Hawthorne等人(2019)和Kong等人(2022)的钢琴MIDI数据，通过专业转换技术将其改编为包含丰富演奏技巧的吉他谱(.gp5格式)。作为首个系统整合推弦、滑音、颤音等吉他特有表现技法的数据集，SCORE-SET为音乐人工智能领域提供了研究吉他多声部特性、特殊调弦法和表现力建模的重要基础。其创新性地将钢琴音符映射到吉他指板位置的方法，为跨乐器音乐生成研究开辟了新途径。

当前挑战

该数据集面临双重挑战：在领域问题层面，吉他音乐的多声部特性、复杂演奏技巧（如推弦幅度控制、颤音杆使用）以及非标准调弦等问题，对现有序列模型的音高与时值建模能力提出严峻考验。在构建过程中，钢琴MIDI到吉他指板的转换算法需要解决音符可演奏性验证、和弦把位优化等技术难题，特别是处理延音踏板等钢琴特有技法时需进行创造性转换。此外，保持原始音乐表现力同时添加吉他特有技法标注，需要精细的音乐知识工程和大量人工校验工作。

常用场景

经典使用场景

在音乐信息检索与生成领域，SCORE-SET数据集通过GuitarPro文件格式提供了丰富的吉他演奏表达细节，如推弦、滑音和闷音等技巧。该数据集特别适用于基于Transformer架构的序列建模研究，能够有效支持吉他音乐的自动生成任务。其标准化的六弦吉他指法标注为多音轨建模提供了结构化基础，弥补了传统MIDI数据在弦乐器表现力上的不足。

实际应用

在音乐科技产业中，SCORE-SET已成功应用于智能伴奏系统开发，其丰富的技法标注可生成具有专业表现力的吉他声部。教育领域利用该数据集构建了交互式学习系统，通过可视化指法轨迹辅助吉他教学。数字音频工作站(DAW)集成该数据集后，显著提升了自动编曲功能中吉他声部的真实感，特别是在金属乐等强调演奏技巧的流派中效果尤为突出。

衍生相关工作

基于SCORE-SET的衍生研究主要集中在三个方向：Hawthorne团队扩展了其量化算法至七弦吉他建模，Kong等人开发了基于该数据集的跨乐器转换框架Guitar2Piano。在生成模型方面，Bradshaw提出的FretNet架构利用该数据集的技法标注，实现了具有动态力度变化的吉他独奏生成。这些工作共同推动了符号化音乐生成技术向专业化和精细化方向发展。