近年来，AIGC技术加速向文化创意垂直场景渗透，AI作曲、智能音乐教育、虚拟演奏等赛道进入快速发展期，但钢琴类AI应用的训练长期面临核心痛点：公开数据集规模有限、来源分散质量参差、演奏记录与专业乐谱对齐度不足，严重制约了钢琴表现力建模、AI演奏生成的效果上限，行业对大规模标准化钢琴训练数据集的需求日益迫切。在此背景下，俄罗斯国家级科创机构斯科尔科沃科学技术研究院于2026年5月8日在预印本平台arXiv正式发布了专为音乐AI场景打造的大规模钢琴MIDI数据集PianoCoRe，为行业发展提供了重要的资源支撑。
据公开披露信息显示，PianoCoRe是目前全球规模最大的公开钢琴MIDI数据集之一，整合了多个主流开源钢琴数据集的优质内容，覆盖483位作曲家的5625首经典及原创作品，累计收录250046条不同风格的演奏记录，总时长达到21763小时。为适配不同场景的差异化训练需求，该数据集采用分级架构设置了四个层级子集：面向大模型预训练场景的完整混合源子集PianoCoRe-C、经过去重质检、数据精度更高的通用训练子集PianoCoRe-B、实现演奏记录与专业乐谱对齐的PianoCoRe-A，以及精度最高的高质量对齐子集PianoCoRe-A*，其中仅音符对齐子集就包含157207条演奏记录与1591份专业乐谱的精确对应关系，解决了过往同类数据集普遍存在的“有演奏无乐谱、有乐谱无标准演奏参考”的问题。
为保障多源数据的一致性与标注精度，PianoCoRe的数据来源同时覆盖传感器钢琴原生录制、专业音频转录两大渠道，并通过研究院独创的RAScoP对齐管道完成时序噪声优化，大幅降低了多源数据合并时的节奏偏差、音符错位问题，能够精准还原不同演奏者对同一曲目在力度控制、节奏处理、情感表达上的差异化特征，为模型学习钢琴演奏的“人文表现力”提供了充足的细粒度特征样本。
从落地价值来看，该数据集的发布直指钢琴AI领域长期存在的训练数据痛点，可广泛应用于多个音乐科技场景：在钢琴表现力建模领域，研究人员可基于对齐的演奏与乐谱数据，训练模型识别、复刻不同流派、不同演奏家的风格特征，解决过往AI演奏“机械化、无情感”的普遍问题；在AI钢琴演奏生成领域，该数据集可为模型提供大规模的训练素材，支撑从乐谱自动生成高表现力演奏音频、AI原创钢琴作品生成等需求；在音乐信息检索、智能音乐教育领域，该数据集还可用于开发曲目自动识别、演奏智能纠错、个性化演奏风格推荐等功能，为智能钢琴、在线音乐教育产品的迭代提供技术支撑。作为文化科技领域垂直类高质量数据集的典型代表，PianoCoRe的发布也为全球数据要素市场的垂直领域资源建设提供了参考，进一步推动AIGC技术向文化创意场景的落地渗透。
详情页内容：
_1769672084863.jpg)