> ## Content Index
> Fetch the complete content index at: https://binnn.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# Dettato：用音高通道模型处理音频转 MIDI
- URL: https://binnn.top/dettato-audio-midi-transcription/
- Published: 2026-11-21T05:58:56.000Z
- Updated: 2026-11-21T07:01:20.000Z
- Description: Dettato 的发布说明介绍了局部建模思路与训练素材来源，也承认乐器区分表现较差，输出主要是带节拍对齐的演奏 MIDI。
- Author: Sunbin 编辑部
- Tags: AI 最新论文进展, 视觉与多模态, #sunbin-auto, #sunbin-newsroom

论文阅读笔记 · kobi.music · 原文日期 2026-11-17

## 开源模型与输出使用范围

Dettato 是一个音频转 MIDI 的自动转录模型。作者在发布文中称，模型开源，其输出可以用于商业用途；同时将它定位为领先模型。这一性能定位属于作者的发布主张，所给材料没有提供独立验证，也未完整说明评测协议与指标定义。

## 从数据扩充转向音高通道

作者称，自己起初把自动音乐转录视为数据问题，后来认为瓶颈在架构。他认为，引入大型语言模型组件容易导致对合成数据过拟合，因此主张将任务改写为局部问题：光学乐谱识别使用检测器，音频转录使用音高通道模型。这是其设计解释，原文没有展示对应的消融验证。

## 合成录音与音色库融合

训练素材方面，作者称使用了合成乐器录音与采用 CC 许可的独奏乐器素材，并提到通过 URMP 数据集进行混合。其余乐器素材由多个音色库融合生成，采用他此前介绍的“soundfont babies”方法。作者另称未使用受版权保护的录音，这是其对数据来源的声明。

## 乐器区分与乐谱用途的限制

作者明确承认，模型在正确区分乐器方面表现较差，具体用途下的准确性仍需实际试用判断。输出是带节拍对齐的演奏 MIDI；对于希望获得可照着演奏的乐谱的用户，作者推荐其他工具。因此，发布说明给出的适用范围主要是演奏转录，不能直接等同于可用乐谱。

原始标题：introducing dettato  
[来源：kobi.music](https://kobi.music/research/dettato?ref=binnn.top)