arXivは2026年9月10日(現地時間)、ギターオーディオからフィンガリングと表現技法のアノテーションを含むタブ譜を直接生成する初のフレームワーク「TART」に関する研究論文が発表されたと報じた。TARTは、既存の自動音楽採譜（AMT）システムが抱える、表現技法の認識不足、不正確な弦-フレット割り当て、ノイズの多い音源への汎化能力不足といった課題に対処するために開発された。
TART（A Modular Tool for Technique-Aware Audio-to-Tablature Guitar Transcription）は、ギターの自動音楽採譜における上記3つの主要な課題解決を目指す。具体的には、スライド、ベンド、パーカッシブヒットなどの表現技法を捉え、音符を正しい弦-フレットの組み合わせに割り当て、ノイズの多い実世界オーディオにも対応できるよう設計されている。
このフレームワークは、4段階のモジュラーパイプラインで構成される。具体的には、オーディオからMIDIへの採譜モデル、表現技法分類器、弦-フレット割り当てのためのオーディオ条件付きT5エンコーダーデコーダー、および自動タブ譜生成器からなる。
TARTの評価は、GuitarSet、EGDB、および拡張されたNoisy GuitarSet、Noisy EGDBの合計4つのベンチマークに対してゼロショット設定で行われた。これらのベンチマーク全体での平均値として、TARTはオーディオからMIDIへのF50スコアで81.35%を達成し、これは既存の最良ベースラインと比較して6.67ポイントの向上を示した。また、弦-フレットTab F1スコアでは71.8%（最良ベースラインから8.5ポイント向上）、エンドツーエンドTab F1スコアでは54.08%を記録した。
この研究はAkshaj Gupta氏ら著者8名によって行われ、ISMIR 2026で発表された。
参考: arXiv cs.LG — 2026年9月11日 02:55 (JST)
原文ハイライト"TART is the first framework to generate guitar tablature with both fingering and expressive technique"