DiffRoll

用扩散模型把音频自动变成钢琴卷帘谱

DiffRoll 是一个基于扩散模型的自动音乐转录（AMT）开源项目，采用 PyTorch 实现。它解决的是将音频信号转换为符号化音乐表示（如钢琴卷帘）的问题，即从原始音频中识别出音符的起始时间、音高和力度。其核心能力在于利用扩散生成模型的强大生成能力，相比传统基于分类或自回归的方法，能够更自然地建模音乐转录中的复杂依赖关系，生成更连贯、准确的转录结果。项目提供了完整的训练和推理代码，支持在标准数据集（如 MAESTRO）上进行实验，并包含预训练模型权重。虽然目前处于早期阶段，但为音乐信息检索领域的研究者提供了一个基于扩散模型的 AMT 基线实现，便于对比和进一步开发。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 81

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队sony

所属国家

官网地址

GitHubhttps://github.com/sony/DiffRoll

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型automatic-music-transcription,deep-generative-model,diffusion,generative-model,inpainting,machine-learning,music-generation,pytorch

GitHub 星标★ 81

30天Star增速

HF 下载量

上线时间2022-10-11 00:00:00

最近更新2026-06-10 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

首个将扩散模型应用于自动音乐转录的开源实现，方法新颖
代码结构清晰，基于 PyTorch，易于理解和二次开发
提供预训练模型和推理脚本，开箱即用体验较好

不足之处

项目处于早期，文档和社区支持相对薄弱
训练和推理速度可能较慢，对计算资源要求较高

适用场景

音乐信息检索研究：探索扩散模型在转录任务中的效果
音乐教育：辅助学生将演奏音频转为乐谱进行学习
音频内容分析：为音乐数据库自动生成符号化索引

替代项目

Onsets and Frames、Basic Pitch、MT3

项目介绍

DiffRoll 是音频音乐领域的开源项目，由 sony 开发，2022 年首次发布。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 81。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-10。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：音乐信息检索研究：探索扩散模型在转录任务中的效果。同类可对比的替代方案包括 Onsets and Frames、Basic Pitch、MT3。

上一篇：lofi-generator

下一篇：tadpole-studio