🤖 machine learning

PianoCoRe: Combined and Refined Piano MIDI Dataset

Este artículo presenta PianoCoRe, un conjunto de datos MIDI de piano a gran escala, unificado y refinado que comprende más de 250.000 interpretaciones con alineaciones a nivel de nota, acompañado de herramientas novedosas para la clasificación de calidad y el refinamiento de alineaciones con el fin de avanzar en la modelación de interpretaciones expresivas y la investigación en recuperación de información musical.

Autores originales: Ilya Borovik

Publicado 2026-05-08

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Ilya Borovik

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando enseñar a un robot a tocar el piano con emoción humana. Para lograrlo, necesitas dos cosas: la partitura (las instrucciones) y una grabación de una persona real tocándola (la expresión).

Durante mucho tiempo, los investigadores tuvieron un problema: tenían ya sea una montaña de partituras sin grabaciones, o miles de grabaciones sin partituras, o las dos no coincidían correctamente. Era como tener una biblioteca de recetas pero sin fotos de los platos terminados, o un millón de fotos de platos pero sin idea de qué ingredientes se usaron.

Este artículo presenta PianoCoRe, una nueva y masiva "biblioteca" que soluciona este desorden. Así es como funciona, explicado de forma sencilla:

1. La Gran Limpieza (El trabajo de "Bibliotecario")

El autor, Ilya Borovik, tomó varias pilas existentes de datos de piano de internet y las unió. Pero en lugar de simplemente tirarlas en un montón, actuó como un bibliotecario súper organizado:

Emparejamiento: Utilizó un programa informático inteligente para emparejar las partituras con las grabaciones correctas, incluso si los nombres de los archivos eran desordenados o diferentes.
Limpieza: Encontró y eliminó "duplicados" (como encontrar dos copias de la misma canción interpretadas por la misma persona y guardar solo una).
Control de Calidad: Construyó un "inspector robot" (un clasificador) que examina las grabaciones y dice: "Esta es basura", "Esta es solo una computadora leyendo la partitura de forma robótica" o "Esta es una gran interpretación humana". Él descartó las malas.

2. El Pipeline "RAScoP" (El "Editor")

A veces, la coincidencia entre la partitura y la grabación no es perfecta. Quizás la grabación omitió un signo de repetición, o la computadora se confundió y añadió una nota que no estaba allí.
El autor creó una herramienta llamada RAScoP (Alineación Refinada para Partituras e Interpretaciones). Piensa en esto como un editor inteligente:

Encuentra los "fallos" donde el ritmo es extraño.
Rellena los huecos donde la grabación omitió una nota (adivinando qué nota debería haber estado basada en la música circundante).
Asegura que la partitura y la grabación estén perfectamente sincronizadas, nota por nota.

3. El Resultado: Una Biblioteca por Niveles

El resultado final es un enorme conjunto de datos llamado PianoCoRe, que contiene más de 250,000 interpretaciones de 5,600 piezas de 483 compositores. ¡Eso son más de 21,000 horas de música!

Para hacerlo útil para diferentes personas, el autor lo organizó en "niveles" (como diferentes secciones en una biblioteca):

PianoCoRe-C (La Colección Completa): La mezcla masiva y cruda de todo. Buena para proyectos de grandes datos.
PianoCoRe-B (La Versión Limpia): Los duplicados y la basura han desaparecido. Esta es la versión "segura" para entrenar modelos de IA.
PianoCoRe-A (La Versión Perfectamente Alineada): Las grabaciones que coinciden perfectamente con la partitura, con el "editor" (RAScoP) corrigiendo cualquier error de ritmo. Este es el estándar de oro para enseñar a los robots a tocar con expresividad.

4. ¿Funcionó? (La Prueba)

El autor probó esta nueva biblioteca entrenando a un robot para tocar el piano.

La Prueba: Enseñó a robots usando conjuntos de datos pequeños y desordenados y los comparó con un robot entrenado en su nuevo, limpio y enorme conjunto de datos.
El Resultado: El robot entrenado con PianoCoRe fue mucho mejor tocando con ritmo y emoción similares a los humanos. No se confundía tan fácilmente al tocar canciones nuevas que nunca había visto antes.

Por Qué Esto Importa

Antes de esto, los investigadores tenían que pasar meses limpiando sus propios datos, a menudo terminando con conjuntos de datos pequeños y desordenados. PianoCoRe les ofrece una base lista para usar y de alta calidad. Es como darle a un chef una caja de ingredientes prepicados, prelavados y perfectamente medidos en lugar de un saco de verduras crudas y llenas de barro.

Nota Importante: El autor tuvo mucho cuidado de incluir solo música que está en el "dominio público" (suficientemente antigua para que haya expirado el derecho de autor), asegurando que esta biblioteca sea legal y segura para que todos la usen para siempre.

En resumen: PianoCoRe es la biblioteca definitiva, limpiada y perfectamente emparejada de música de piano que ayuda a las computadoras a aprender a tocar como humanos.

Resumen Técnico: PianoCoRe: Conjunto de Datos MIDI de Piano Combinado y Refinado

1. Declaración del Problema

Los conjuntos de datos de música simbólica que contienen partituras y interpretaciones coincidentes son críticos para las tareas de Recuperación de Información Musical (MIR), particularmente para modelar la interpretación expresiva. Sin embargo, los recursos existentes sufren limitaciones significativas:

Fragmentación: Los conjuntos de datos grabados de alta fidelidad (por ejemplo, MAESTRO, ASAP) ofrecen precisión pero carecen de escala y diversidad estilística. Por el contrario, los conjuntos de datos transcritos a gran escala (por ejemplo, GiantMIDI-Piano, Aria-MIDI) ofrecen escala pero a menudo contienen errores de transcripción, carecen de alineaciones precisas a nivel de nota y sufren de metadatos inconsistentes.
Incompatibilidad: Los esquemas de nomenclatura y los estándares de metadatos incompatibles dificultan la combinación de conjuntos de datos sin riesgo de fuga de información.
Problemas de Calidad: Los archivos MIDI transcritos a menudo contienen datos corruptos, transcripciones "tipo partitura" sin expresión, duplicados y ruido temporal (por ejemplo, jitter en el ataque, artefactos de pitch infinito).
Restricciones Legales: Muchos conjuntos de datos existentes incluyen material con derechos de autor, lo que limita su utilidad académica a largo plazo.

Existe una brecha crítica para un recurso unificado y a gran escala que combine la escala de los datos transcritos con la precisión de las interpretaciones grabadas, todo ello legalmente sostenible y alineado con las partituras.

2. Metodología

El artículo presenta PianoCoRe, un conjunto de datos construido mediante un pipeline de curación y refinamiento multi-etapa.

2.1 Recopilación y Emparejamiento de Datos

El conjunto de datos integra cinco fuentes principales de código abierto: ASAP, ATEPP, GiantMIDI-Piano, PERiScoPe y Aria-MIDI.

Filtrado Legal: El contenido se restringe a obras de dominio público dentro de la Unión Europea para garantizar la sostenibilidad legal.
Procesamiento de Partituras: Los archivos MusicXML se convierten a MIDI utilizando la biblioteca partitura. Esto implica desenrollar ornamentos (trinos, mordentes), expandir notas de adorno y manejar repeticiones (creando versiones tanto máximas como mínimas).
Estrategia de Emparejamiento: Un pipeline de tres etapas empareja las interpretaciones con las partituras:
1. Selección de Candidatos: Filtrado basado en el nombre del compositor, la relación de conteo de notas ( $0.75 \le R_n \le 1.33$ ) y palabras clave del catálogo.
2. Alineación de Notas: Uso de DualDTWNoteMatcher (de Parangonar) con Warping Dinámico del Tiempo (DTW) optimizado con Numba para calcular alineaciones a nivel de nota.
3. Verificación: Un par se acepta si la recuperación de alineación ( $R_a$ ) supera 0.7.

2.2 Evaluación de Calidad y Duplicación

Para producir el subconjunto PianoCoRe-B, los autores abordan duplicados y problemas de calidad:

Eliminación de Duplicados: Una heurística basada en el contenido agrupa interpretaciones con $\ge 50\%$ de ataques de notas similares (dentro de 50 ms). Se retiene un archivo "principal" basado en la prioridad de la fuente.
Clasificador de Calidad MIDI: Un codificador transformador de 12 capas (pre-entrenado en Aria-MIDI) se entrena para clasificar archivos MIDI en cuatro categorías: Partitura (sin expresión), Alta Calidad (HQ), Baja Calidad (LQ) y Corrupto.
- Datos de Entrenamiento: Las etiquetas se generan mediante una heurística suave basada en las relaciones de alineación ( $R'_a$ ). Se utilizan corrupciones sintéticas (eliminación de notas, jitter) para equilibrar el conjunto de datos.
- Rendimiento: El clasificador logra una puntuación F1 macro de 89.1%, distinguiendo eficazmente las transcripciones tipo partitura de las interpretaciones expresivas.

2.3 Refinamiento de Alineación (RAScoP)

Para crear los subconjuntos PianoCoRe-A/A*, los autores introducen RAScoP (Alineación Refinada para Partituras e Interpretaciones), un pipeline para limpiar alineaciones en bruto:

Procesamiento de Huecos de Alineación: Elimina grandes regiones de alineaciones dispersas o sin sentido (por ejemplo, repeticiones no interpretadas) utilizando un enfoque de ventana deslizante.
Limpieza de Ataques: Filtra desviaciones intra-ataque (tiempo de acordes) y corrige intervalos inter-ataque que implican tempos poco realistas (15–480 BPM). Ajusta el tiempo global para coincidir con las estimaciones de tempo local.
Interpolación de Notas: Interpola linealmente las notas faltantes (eliminaciones) basándose en las notas interpretadas vecinas, promediando la duración y la velocidad. Las notas interpoladas se marcan con marcadores de texto MIDI.
Sincronización: Alinea la estructura del compás de la interpretación con la partitura (opcional en la versión final para preservar el tiempo original).

3. Contribuciones Clave

Conjunto de Datos PianoCoRe: Una colección unificada de 250,046 interpretaciones de 5,625 piezas de 483 compositores, con un total de 21,763 horas. Se libera en subconjuntos escalonados:
- PianoCoRe-C: La colección completa de fuentes mixtas.
- PianoCoRe-B: Un subconjunto sin duplicados y con evaluación de calidad (214,092 interpretaciones) para pre-entrenamiento a gran escala.
- PianoCoRe-A: Un subconjunto alineado a nivel de nota (157,207 interpretaciones) con alineaciones limpias.
- PianoCoRe-A:* Un subconjunto de alta confianza (130,275 interpretaciones) con una recuperación de alineación $\ge 85\%$ .
Clasificador de Calidad MIDI: Un modelo entrenado para detectar transcripciones corruptas y tipo partitura sin requerir audio o partituras de verdad fundamental.
Pipeline RAScoP: Un algoritmo de código abierto para refinar alineaciones de notas, limpiar valores atípicos temporales e interpolar notas faltantes.
Sostenibilidad Legal: El conjunto de datos se ha curado para cumplir con las regulaciones de dominio público de la UE, garantizando la accesibilidad a largo plazo.

4. Resultados y Evaluación

El artículo valida el conjunto de datos mediante una tarea de interpretación expresiva utilizando el modelo PianoFlow (ajuste de flujo condicional).

Convergencia del Entrenamiento: Los modelos entrenados en conjuntos de datos más grandes y refinados (PianoCoRe-A) mostraron un sobreajuste retrasado y pérdidas de validación más bajas en comparación con los modelos entrenados en subconjuntos más pequeños (por ejemplo, solo ASAP) o datos no refinados.
Generación Incondicional: Los modelos entrenados en PianoCoRe-A demostraron una mayor robustez y correlaciones de Pearson más altas con características de verdad fundamental (velocidad, intervalos inter-ataque, articulación) en conjuntos de prueba no vistos en comparación con las líneas base.
Continuación de Interpretación: En una tarea de continuación a través de cuatro dominios de fuente distintos (ASAP, ATEPP, PERiScoPe, Aria-MIDI), el modelo entrenado en el conjunto de datos completo PianoCoRe-A logró el mejor o segundo mejor rendimiento en todos los dominios, demostrando robustez ante distribuciones de datos variables.
Impacto del Refinamiento: Se demostró que el uso de RAScoP (eliminación de ruido temporal) fue crucial; los modelos entrenados en alineaciones en bruto sin limpieza tuvieron un rendimiento inferior en características temporales (IOI y OD).

5. Significado y Afirmaciones

El artículo afirma que PianoCoRe proporciona una "base lista para usar para la próxima generación de investigación en interpretación expresiva de piano". Su importancia radica en:

Escala y Diversidad: Ofrece la mayor colección de código abierto de pares partitura-interpretación alineados a nivel de nota hasta la fecha (157,207 interpretaciones en PianoCoRe-A).
Control de Calidad: Al integrar un clasificador de calidad y el pipeline RAScoP, aborda el problema del "ruido" inherente a los conjuntos de datos transcritos a gran escala, permitiendo el entrenamiento de modelos más precisos y robustos.
Reproducibilidad: La estructura escalonada y los metadatos unificados permiten a los investigadores crear divisiones de datos sin superposición a través de conjuntos de datos previamente aislados, facilitando la investigación reproducible.
Accesibilidad: El conjunto de datos está disponible públicamente en Zenodo y Hugging Face bajo una licencia CC-BY-NC-SA 4.0, con código proporcionado para el pipeline y el clasificador.

Los autores señalan limitaciones, incluido un sesgo hacia el repertorio clásico occidental, posibles errores residuales en las partituras MusicXML de origen, y el hecho de que la interpolación no modela actualmente los efectos del pedal de sostenido. Sugieren que el trabajo futuro podría extender estas metodologías a repertorios de múltiples instrumentos y anotaciones más granulares.