我做了一个「简谱唱名标注工具」：自动识别音符，一键给歌谱加 do re mi

• 为什么要给简谱加唱名

• 核心功能
• 技术实现思路
• • 1. 桌面应用结构
  • 2. 音符识别流程
  • 3. 为什么要“去高低音点”
  • 4. 阈值为什么要实时调整
  • 5. 手动补标设计
  • 6. 预览与导出保持一致
  • 7. 工程保存与缺图找回
  • 8. 单文件打包
• 使用场景
• 一个简单示例
• 关注作者

在这里插入图片描述

学简谱、教唱歌、带合唱排练时，经常会遇到一个很现实的问题：谱子上只有 1 2 3 4 5 6 7，初学者要一边看数字、一边反应唱名，很容易卡顿。

所以我做了一个桌面小工具：导入一张简谱图片，软件自动识别里面的数字音符，并在音符上方或下方标注对应唱名：

1 -> do
2 -> re
3 -> mi
4 -> fa
5 -> sol
6 -> la
7 -> si

标注完成后，可以直接导出一张与原图同尺寸的新图片，用于打印、分享、课堂教学或排练。

演示视频：

为什么要给简谱加唱名

简谱本身很轻便，但对初学者来说，数字和唱名之间还需要一次转换。比如看到 5 6 5 3 2 1，熟练的人会自然唱出 sol la sol mi re do，但刚开始学习的人往往会停下来想。

给简谱加唱名有几个直接好处：

• 降低入门门槛：初学者可以更快建立数字音符和唱名之间的对应关系。
• 提高练唱效率
• 适合自学复习：导出的图片可以保存到手机、平板或打印出来。
• 帮助建立音高感觉：长期看数字和唱名对应，能更快形成相对音高记忆。

这个工具不是替代视唱练耳，而是把“认音符”的机械步骤先帮你减轻一点，让注意力更多放在旋律、节奏和表达上。

核心功能

目前工具已经支持这些常用流程：

• 打开多张图片，也可以拖拽图片到软件界面。
• 支持 jpg/jpeg/png/gif/bmp/tiff/webp 等常见图片格式。
• 自动识别简谱里的数字音符 1-7。
• 默认标注 do re mi fa sol la si，也可以改成音名、中文或自定义文本。
• 可设置唱名显示在音符上方或下方。
• 可调整距离、字体、字号、粗细、颜色和透明度。
• 每张图片的参数独立保存，切换图片不会互相影响。
• 支持识别前去掉高音点、低音点，减少带点数字识别干扰。
• 支持识别阈值实时调整，快速过滤低置信度结果。
• 支持手动补标：鼠标跟随预览，左键放置，滚轮切换 1-7。
• 支持右键点选删除，或右键框选批量删除误识别标注。
• 支持 Ctrl+Z 撤销，也有工具栏撤销按钮。
• 支持保存工程，下次继续编辑。
• 打开工程时，如果图片丢失，会灰色显示，可重新浏览同尺寸图片找回。
• 导出图片保持原图尺寸，默认保存到原图目录，文件名自动追加日期避免覆盖。
• 批量导出多张歌谱。
• 工具栏和导出完成弹窗内嵌作者二维码，方便关注。

在这里插入图片描述

在这里插入图片描述

技术实现思路

这个工具的目标很明确：普通电脑也能跑，最好不依赖云端服务，最终能打包成一个单文件可执行程序。

因此整体方案采用：

• 桌面界面：Tkinter
• 图片处理：Pillow
• 本地 OCR：RapidOCR + ONNX Runtime
• 候选补漏：OpenCV 与模板匹配思路
• 打包发布：PyInstaller 单文件 exe

1. 桌面应用结构

应用主界面由几个区域组成：

• 顶部工具栏：打开图片、打开工程、保存工程、撤销、识别音符、导出当前、批量导出、使用说明等。
• 左侧图片列表：管理多张歌谱图片，支持右键删除和缺图找回。
• 中间画布：显示原图和唱名标注效果。
• 右侧参数面板：调整唱名映射、位置、字体、颜色、透明度、识别阈值、手动模式等。

内部数据大致可以理解为三层：

ImageDoc
  - 图片路径
  - 原始图片对象
  - 当前标注列表
  - 是否缺失

NoteLabel
  - 数字音符
  - 音符坐标
  - OCR 置信度
  - 是否隐藏

ImageSettings
  - 唱名映射
  - 上方/下方
  - 距离
  - 字体、字号、粗细
  - 颜色、透明度
  - 阈值
  - 是否去高低音点
  - 手动模式当前数字

这样做的好处是：每张图片都有自己的状态。打开多张歌谱时，第一张图调成红色大字，第二张图调成蓝色小字，互不影响。

2. 音符识别流程

简谱识别看起来像“识别数字”，但实际比普通 OCR 麻烦一些。

因为歌谱里会有：

• 连续数字，比如 555、067
• 高音点、低音点
• 下划线、连音线、小节线
• 歌词汉字
• 标题、调号、拍号
• 扫描噪点和纸张阴影

所以识别流程分为几步：

原始图片
  -> 可选：去掉高音点/低音点
  -> RapidOCR 本地识别数字文本
  -> 对连续数字拆分成单个音符候选
  -> OpenCV/Pillow 候选检测补漏
  -> 根据谱面行位置过滤
  -> 去重合并
  -> 根据阈值显示有效标注

优先使用 RapidOCR，是因为它对真实扫描图中的数字串识别更稳，尤其是连续数字。OpenCV 和 Pillow 主要用于补充一些 OCR 漏掉的小数字候选。

3. 为什么要“去高低音点”

简谱里常见的高音、低音标记是在数字上方或下方加点。对人来说这很自然，但对 OCR 来说，这些点可能会干扰数字轮廓。

比如带点的 1，可能被识别成别的符号；带点的 5，也可能降低识别置信度。

所以工具在识别前提供了“去掉高低音点”的预处理。它只作用于识别过程，不会修改原图，也不会影响最终导出的歌谱画面。

简单说就是：

给 OCR 看一张更干净的图
给用户导出时仍使用原始歌谱

这在扫描版、拍照版歌谱上会比较有用。

4. 阈值为什么要实时调整

OCR 会给每个识别结果一个置信度。阈值低，识别结果更多，但误识别也会变多；阈值高，结果更干净，但可能漏掉一些音符。

所以工具没有把阈值写死，而是做成可调参数，并且调整后实时影响预览。

这相当于给用户一个“筛选旋钮”：

• 谱子干净，可以把阈值调低一点，尽量多识别。
• 谱子复杂，可以把阈值调高一点，先减少误标。
• 少量漏标，再用手动模式补上。

5. 手动补标设计

自动识别不可能 100% 完美，尤其是老歌谱、扫描模糊、背景复杂的图片。

所以这个工具没有只做“自动识别”，而是把手动编辑也做成核心功能：

• 开启手动模式后，鼠标旁会显示当前待放置的数字和唱名。
• 鼠标滚轮可以在 1-7 之间切换。
• 左键点击即可放置唱名。
• 右键点击可删除标注。
• 右键拖拽可以框选批量删除。

这个交互的重点是“直观”。用户不用猜点击后会发生什么，鼠标移动时已经能看到最终标注大概是什么样。

6. 预览与导出保持一致

这类工具很容易出现一个问题：预览看着没问题，导出后位置、颜色或透明度却不一样。

为了解决这个问题，预览和导出都基于同一套标注参数：

• 同一套坐标换算
• 同一套字体选择
• 同一套颜色与透明度
• 同一套上方/下方距离计算
• 同一套唱名映射

导出时使用原图尺寸重新绘制标注，所以最终图片不会因为预览缩放而损失清晰度。

7. 工程保存与缺图找回

很多时候，用户不是只处理一张图，而是处理一组歌谱。中途关闭软件后，下次还要继续调整。

所以工具支持保存工程。工程文件记录：

• 图片路径
• 每张图片的独立参数
• 自动识别结果
• 手动添加的标注
• 被隐藏或删除的标注状态

如果下次打开工程时图片文件移动了，软件不会直接崩溃，而是在列表中灰色显示，并允许用户右键“浏览图片”找回。

为了避免误匹配，找回图片时要求尺寸一致。这样可以保证原来的标注坐标仍然能准确落在对应音符上。

8. 单文件打包

为了让普通用户不用安装 Python，最终使用 PyInstaller 打包成单文件 exe。

打包后会把这些内容一起带进去：

• Python 运行时
• Tkinter 应用代码
• RapidOCR/ONNX Runtime 依赖
• Pillow/OpenCV 等图片处理依赖
• 作者二维码
• 应用图标

用户拿到 唱谱标注工具.exe 后，直接双击运行即可。

使用场景

这个工具比较适合：

• 声乐老师给学生准备练唱谱
• 合唱团排练前整理分发资料
• 简谱初学者自学
• 音乐兴趣班教学

它不是一个复杂的专业制谱软件，而是一个偏实用的小工具：把已有图片快速加工成更适合“唱”的版本。

一个简单示例

假设我们导入一张《海阔天空》的简谱图片：

1. 点击“打开图片”或直接拖入图片。
2. 点击“识别音符”。
3. 根据识别结果调整阈值。
4. 设置唱名显示在上方，距离调到合适位置。
5. 选择字体、字号、颜色和透明度。
6. 对误识别的地方右键删除。
7. 对漏识别的地方开启手动模式补标。
8. 点击“导出当前”或“批量导出”。

最后得到的就是一张带唱名的新歌谱图片，尺寸和原图一致，可以直接打印或分享。

一张做好的带唱名的简谱如下：