Cómo corregir una transcripción musical hecha con IA

¿Qué falla en una transcripción automática?

Un modelo de transcripción oye alturas y tiempos. Una partitura necesita además una tonalidad, una indicación de compás, barras de compás y duraciones que alguien pueda leer. Cinco errores explican la mayor parte de lo que vemos en los borradores:

• Notas fantasma. Una cuerda de piano suena con armónicos junto a cada nota, y el modelo puede oír la octava superior como una tecla propia, pulsada en el mismo instante.
• Una nota en pedazos. Una nota mantenida puede salir como dos, el deslizamiento de un cantante hacia una nota como una nota corta equivocada justo antes, y el vibrato como un vaivén entre dos alturas.
• La tonalidad equivocada. Todas las alturas pueden ser correctas y la armadura estar mal. “Para Elisa” está en La menor, que no tiene sostenidos, pero sus Sol sostenidos y Re sostenidos hacen que el modelo suponga Mi mayor.
• La indicación de compás equivocada. Las duraciones salen duplicadas o a la mitad (6/8 en lugar de 3/8), o una pieza en 3/4 se lee en 4/4.
• Barras de compás mal colocadas. Una pieza que empieza en anacrusa necesita un primer compás corto, y una grabación estable se va desfasando de sus barras de compás cuando el tempo detectado se desvía una fracción de BPM.

¿Cómo puedes comprobar tú mismo una transcripción?

Reproduce la partitura junto a la grabación, unos compases cada vez, y busca estas señales:

En ScoreStarling puedes hacer cada una de estas correcciones con los compases seleccionados y una frase a Starling, por ejemplo: “los compases 1–8 están en La menor y 3/8 con una anacrusa de una nota; corrige las alteraciones y vuelve a dividir en compases”. Cada respuesta se puede deshacer.

¿Qué hace una pasada de revisión con IA?

Starling Refine, de ScoreStarling, se ejecuta después de la transcripción. Un modelo de lenguaje lee el borrador y lo edita con las herramientas que una persona tiene en el editor, en un orden fijo. Tomamos ese orden del modelo más potente que probamos, que revisó seis borradores con las mismas herramientas y sin límite de tiempo ni de pasos:

Se le indica que la grabación es la que decide, y que nunca vuelva a transcribir, arregle, simplifique ni transporte. Su último mensaje dice qué cambió y qué compases conviene volver a escuchar.

Puedes activarla en el formulario de subida para piano solo o para un instrumento o una voz, o ejecutarla más tarde sobre una partitura terminada, donde guarda una versión nueva y deja el original como estaba. Es gratis con Plus, y las cuentas sin Plus tienen una prueba gratis al mes (precios, comprobado el 24 de octubre de 2026).

¿Cómo queda una transcripción corregida?

Aquí está el comienzo de la prueba con “Para Elisa”, tal como lo escribió el borrador y después de la pasada. El borrador es difícil de leer, pero contiene todas las notas que se tocaron. La pasada eliminó las copias, fijó la tonalidad y la indicación de compás de Beethoven y dio a cada mano su propio pentagrama.

La grabación de 19 segundos de la Gymnopédie de nuestra página Audio de piano a partitura falló de otra manera. Su borrador está en 4/4, con los acordes de la mano izquierda en el pentagrama superior, mezclados con la melodía. Las dos ejecuciones de la pasada terminaron con las notas de Satie en los ocho compases, con cada altura, duración y pentagrama correctos, en 3/4 y Re mayor.

¿Qué eficacia tiene?

Lo ejecutamos dos veces con cada grabación que tiene una transcripción de referencia, el 12 de octubre de 2026, con el modelo que usa, GPT-6.1 Sol de OpenAI. Una nota cuenta como correcta cuando una nota de referencia tiene la misma altura y empieza dentro de 0,1 segundos de ella. El F1 combina las notas que faltan y las que sobran, así que 1,0 significa todas las notas y nada más.

También procesamos dos grabaciones cantadas de un conjunto de datos de investigación cuya licencia impide publicarlas en este sitio. El F1 pasó de 0,78 a 0,89 y de 0,79 a 0,87, y la proporción de compases que empiezan con una nota subió de alrededor de un tercio a nueve de cada diez o más.

Siete grabaciones, seis de ellas de menos de un minuto, son una muestra de diagnóstico, no un benchmark. Las grabaciones de guitarra mejoran poco porque la mayoría de los errores de sus borradores son notas omitidas o fusionadas, que una pasada de revisión no puede recuperar.

¿Qué no puede hacer?

• Recuperar una nota que el borrador omitió. Toda mejora de la tabla vino de quitar notas de más, y las notas omitidas siguieron omitidas en todas las pruebas.
• Distinguir cada nota real de una de más. En cuatro de las cinco grabaciones con referencia quitó entre una y seis notas reales junto con las de más; en el acompañamiento, seis de 117.
• Juzgar por ti una grabación que no tiene referencia. En una grabación de piano pop de 2:48 quitó las octavas fantasma del borrador y mantuvo la figura de la mano izquierda en el pentagrama inferior, pero solo tus oídos pueden decir si todas las notas que quitó eran fantasmas.
• Trabajar con grabaciones de banda, que tienen varias partes en una sola mezcla.

¿Cuánto tarda?

Unos minutos después de que termine la transcripción: de uno a cuatro minutos con nuestras grabaciones de prueba de 19 a 82 segundos, y menos de tres minutos con la grabación de piano de 2:48. La partitura está lista cuando termina la pasada, con unas frases sobre lo que cambió.