当前，全球文化遗产数字化进程持续提速，光学音乐识别（OMR）作为实现历史乐谱自动化转录、存量音乐文化资源数字化存档的核心技术，长期面临真实训练数据稀缺的行业痛点：现有公开数据集多以打印乐谱、近现代规范手写乐谱为主，缺乏覆盖不同历史时期、不同创作风格的历史手写乐谱标注数据，导致OMR模型在处理档案馆、图书馆馆藏的老旧手写乐谱时识别准确率偏低，大量珍贵音乐文献只能依赖高成本、低效率的人工转录，难以实现规模化数字存档。在此背景下，巴塞罗那自治大学联合计算机视觉中心、摩拉维亚图书馆及多家欧洲文化遗产机构共同打造的MusiCorpus数据集正式发布，首发于2026年5月18日上线的arXiv平台，直指OMR领域的核心数据短板。
MusiCorpus是目前公开领域规模较大的历史手写乐谱专用数据集，共收录1309页源自欧洲多家档案机构的原始乐谱扫描图像，覆盖管弦乐谱、分谱、钢琴谱等多元乐谱类型，配套提供标准MusicXML转录文本与符号级标注，累计标注音乐符号达数十万级。为保障数据的多样性与学术严谨性，项目组建立了专家手工标注与标准化编码的双重校验流程，所有标注内容均经过音乐学专业人士审核，可适配不同技术路线的OMR模型训练需求。
从应用价值来看，该数据集首先可用于训练和评估端到端、基于目标检测的各类光学音乐识别系统，帮助算法模型适配不同年代、不同手写风格的历史乐谱识别场景，大幅提升OMR技术的落地可用性；其次可为全球文化遗产机构的历史乐谱数字化项目提供技术支撑，依托基于该数据集训练的自动化转录工具，可将历史乐谱的数字化效率提升数倍，降低人工转录成本，加快珍贵音乐文献的数字存档进程；此外，标准化标注的批量历史乐谱数据，也可为音乐学研究提供新的研究路径，学者可基于该数据集开展不同时期音乐创作技法演变、区域音乐文化特征分析等交叉研究，后续经过二次加工的数字乐谱资源，还可应用于公共文化服务、数字音乐文创等领域，为历史音乐资源的大众传播提供载体。
本次MusiCorpus数据集的发布，也为跨领域文化类公共数据集的建设提供了可参考的协作范式：通过高校科研团队、技术研发机构、文化遗产馆藏单位的多方协作，既保障了数据集的技术规范性，也确保了数据的文化价值与学术严谨性，为数据要素在文化科技赛道的落地应用提供了典型样本，将进一步推动音乐文化遗产数字化领域的技术迭代与产业创新。
详情页内容：
_1769672084863.jpg)