Lead-Sheet-Dataset

包含三种不同格式的领谱数据集，用于符号域研究，支持事件和钢琴卷两种音乐表示格式。数据集来源于Theorytab，用户可以扩展此数据集，适用于学术目的。

A lead sheet dataset with three distinct formats is designed for symbolic domain research, supporting two musical representation formats: event-based and piano roll. Sourced from Theorytab, this dataset may be extended by users for academic applications.

原始信息汇总

数据集概述

数据集名称

Lead-Sheet-Dataset

数据集内容

包含三种不同格式的领谱（Lead Sheet）数据。

数据集更新

• 代码更新：2018/10/21
• 样本数据集更新：2018/8/1

数据集来源

• 原始数据集链接：Link (4.9 G)
• MIDI文件链接：Link (11 MB)

数据集格式

• 事件格式：

  • 包含四种子格式：
    • roman_key: 罗马数字，原始调
    • roman_nokey: 罗马数字，C调
    • symbol_key: 符号，原始调
    • symbol_nokey: 符号，C调

• 钢琴卷格式：

  • 包含两种子格式：
    • 原始调（带MIDI）
    • C调（带MIDI）
  • 所有钢琴卷的节拍分辨率为24。

数据集用途

仅限于学术目的。

数据集扩展

用户可以通过整合其他资源来扩展此数据集。

数据集创建方法

• 使用theorytab_crawler.py和main.py脚本生成数据。
• 生成的数据放置在datasets文件夹中。

数据集规模

• 包含4956位艺术家的作品
• 包含11380首歌曲
• 成功解析的文件数为18843，分布在18986个部分中。

搜集汇总

数据集介绍

构建方式

Lead-Sheet-Dataset的构建过程主要依赖于Theorytab平台的数据源，通过爬虫技术从该平台获取原始音乐数据。随后，利用Python脚本对数据进行解析和转换，生成两种常见的音乐表示格式：事件（Event）和钢琴卷帘（Pianoroll）。事件格式以元组形式记录音乐事件，而钢琴卷帘则以张量形式表示音乐的时序和音高信息。此外，数据集还提供了罗马数字分析和和弦符号两种和弦表示方式，便于不同研究需求的使用。最终生成的数据集包含4956位艺术家的11380首歌曲，成功解析的文件数量达到18843个。

特点

Lead-Sheet-Dataset的特点在于其多样化的数据表示形式和丰富的音乐资源。数据集提供了事件和钢琴卷帘两种格式，分别适用于不同的音乐分析任务。事件格式以简洁的元组形式记录音乐事件，便于时序分析；而钢琴卷帘则以张量形式呈现音乐的时序和音高信息，适合深度学习模型的输入。此外，数据集还支持罗马数字分析和和弦符号两种和弦表示方式，满足了音乐理论和流行音乐研究的不同需求。数据集涵盖了4956位艺术家的11380首歌曲，具有广泛的音乐风格和类型，为音乐信息检索和自动作曲等研究提供了丰富的素材。

使用方法

使用Lead-Sheet-Dataset时，用户可以通过提供的Python脚本进行数据生成和转换。首先，运行theorytab_crawler.py脚本从Theorytab平台爬取原始数据，随后通过main.py脚本进行数据解析和格式转换，生成的事件和钢琴卷帘数据将存储在指定的文件夹中。用户还可以使用to_pianoroll.py脚本将其他符号格式的音乐数据转换为钢琴卷帘格式，以便进一步分析。数据集提供了详细的示例代码和测试笔记本，用户可以通过这些工具对数据进行验证和调试。此外，数据集支持自定义函数，用户可以根据研究需求调整数据生成和转换的规则，以获得更符合特定任务的数据格式。

背景与挑战

背景概述

Lead-Sheet-Dataset是一个专注于音乐符号分析的数据集，由Yin-Cheng Yeh等研究人员于2021年创建，并发表在《Journal of New Music Research》上。该数据集包含了来自4956位艺术家的11380首歌曲，成功解析了18843个文件，涵盖了18986个音乐片段。其主要研究问题集中在自动旋律和声化，特别是通过三和弦进行和声分析。数据集以三种不同格式呈现，包括事件和钢琴卷帘，旨在为音乐理论研究和流行音乐分析提供丰富的符号化表示。该数据集对音乐信息检索、自动作曲和和声分析等领域具有重要影响力，推动了符号化音乐数据的标准化和广泛应用。

当前挑战

Lead-Sheet-Dataset在解决音乐符号分析问题时面临多重挑战。首先，音乐符号的多样性使得统一表示变得复杂，特别是在和弦标注上，罗马数字分析和符号化表示之间的转换需要精确的处理。其次，数据集构建过程中，从Theorytab等资源爬取和解析数据时，需处理大量异构格式，确保数据的完整性和一致性。此外，将符号化表示转换为钢琴卷帘时，和弦的编排和音高处理需要艺术性和技术性的平衡，例如在处理九和弦时省略五音等策略。这些挑战不仅考验了数据集的构建技术，也为后续研究提供了改进和扩展的空间。

常用场景

经典使用场景

Lead-Sheet-Dataset在音乐信息检索和自动作曲领域具有广泛的应用。该数据集以事件和钢琴卷两种格式呈现音乐符号，为研究者提供了丰富的和弦和旋律分析工具。通过罗马分析和和弦符号两种方式，研究者能够深入探讨音乐的和谐结构，进而推动自动和声生成算法的开发。

解决学术问题

该数据集解决了音乐理论研究和计算音乐学中的多个关键问题。通过提供多种格式的音乐表示，研究者能够更精确地分析音乐的和弦进程和旋律结构。此外，数据集中的罗马分析和和弦符号转换功能，为音乐理论教育和自动和声生成提供了重要的数据支持，推动了相关领域的研究进展。

衍生相关工作

基于Lead-Sheet-Dataset，研究者开发了多种自动和声生成算法和音乐分析工具。例如，Yin-Cheng Yeh等人利用该数据集进行了自动旋律和声生成的比较研究，发表在《Journal of New Music Research》上。此外，该数据集还被用于开发音乐信息检索系统，推动了音乐计算领域的技术进步。