MuseScore是一款开源乐谱编辑软件，适用于Linux用户，支持多种记谱方式。本文介绍了其安装、核心功能、最佳实践及故障排除，旨在帮助用户高效创作和分享乐谱。

TuxGuitar是一款开源音乐创作软件，具备多轨编辑、乐谱查看和音符管理功能，支持多种文件格式，用户可创建插件扩展，界面友好，适合有音乐基础的用户，内置播放器可实时聆听修改效果。

本研究提出了一种基于深度学习的端到端管道，解决了音频噪音、训练时间长和数据不足的问题。该方法能够有效分离乐器音轨，并生成MIDI文件和乐谱，具有广泛的应用潜力。

本研究提出了一种后处理方案，有效解决古代乐谱自动分析中的谱线识别问题，显著提升了乐谱重构的质量和音乐内容的可获取性。

讨论了苹果 AirPods 4 的测评，包括耳机盒的支架功能、固件升级问题及 AirPods Max 的低功耗模式。

本研究提出了两种新型多轨乐谱标记化方法：小节流和行流拼接。实验结果表明，小节流拼接在计算效率和音乐性方面表现最佳，显示出其在乐谱生成中的潜力。

本研究提出了一种基于Transformer的音频转乐谱模型，创新性地引入“奥尔菲斯乐谱”符号系统。实验结果显示，该模型在准确性和性能上显著优于传统算法，为音乐爱好者和音乐信息处理研究提供了新工具。

研究发现，音乐对心情有影响，心情对情绪、认知和决策产生影响。机器人通过考虑人们所听的音乐来改善与人互动的决策能力。实验结果表明，音乐背景信息可以结合到机器人的世界表征中，以更好地预测人们的行为。音乐知识也影响参与者的行为和学习策略。

本文介绍了一种新型的终端到终端光学乐谱识别模型 Sheet Music Transformer++，通过基于合成数据生成的广泛课程学习预训练，无需先前的布局分析步骤即能转录全页多声部乐谱，实验证实该模型能够成功转录全页的钢琴谱，标志着终端到终端光学乐谱识别取得了显著的里程碑。

该研究提出了一种名为TrOMR的基于Transformer的方法，用于端到端的复调OMR。通过引入一种新颖的一致性损失函数和合理的数据注释方法，提高了对复杂乐谱的识别精度。实验证明TrOMR在真实场景中优于当前OMR方法。同时，研究开发了一个TrOMR系统，并构建了一个用于真实世界中的全页乐谱的相机场景数据集。提供了代码和数据集以便于重现。

本研究提出了Sheet Music Transformer模型，用于预测标准的数字音乐编码格式的乐谱转录。实验证明该模型优于现有方法，为光学乐谱识别的进步做出了贡献。

介绍了MusicNet音乐数据集，用于机器学习方法的监督和评估。包含10位作曲家创作的11种乐器的数百个古典音乐录音和时间标签。研究表明，末端到末端的神经网络在音符预测方面效果最佳。

该文章介绍了一种基于原始旋律的汉语歌词生成模型，考虑了汉语音节结构和语义。使用多通道序列到序列模型，同时编码音节结构和语义。通过大规模汉语歌词语料库进行训练，并通过自动和人工评估验证了模型的有效性。