MuseScore乐谱爬取产品系统

行业背景
随着 Sora、MusicGen、AudioCraft
等多模态大模型的兴起，高质量、结构化的音乐符号数据（乐谱）成为训
练音乐理解与生成模型的核心资产。MuseScore
作为全球最大的用户原创乐谱平台（300万+曲目），其 MSCZ
原生格式包含完整的音符、节拍、调号、乐器等结构信息，是目前可获取
的最高质量符号音乐数据源。

数据价值
- MSCZ 格式可无损转换为 MusicXML、MIDI、PDF、MP3 等多种下游格式
- 覆盖古典、流行、爵士等全风格，钢琴、弦乐、管乐等全乐器
- 含完整元数据（作曲家、调性、拍号、时长、演奏难度等）
- 可直接用于音乐 SFT（监督微调）、乐谱识别、自动编曲等任务

项目定位
为大模型训练团队提供大规模、结构化、多格式的乐谱数据集，目标采集
量 200万条，是国内为数不多具备该平台完整数据采集能力的技术团队。

一、ID 发现与采集
通过逆向官方 App 接口，以标题关键词搜索方式批量获取乐谱唯一标识
（ssid），支持多账号凭证池轮转、自适应限速、429
错误自动规避，持续积累 ssid 资产库。

二、加密文件下载
基于 get_s 签名接口下载平台加密格式（XTZ），支持代理节点池负载均
衡、断点续传、失败重试，单机下载吞吐可横向扩展。

三、原生格式解密
通过 redroid 安卓模拟器集群与 mitmdump 流量拦截，驱动官方 App
在真实运行环境中完成 XTZ → MSCZ
解密，无需破解加密算法，完全还原平台原生文件。

四、多格式转换
基于 webmscore 引擎将 MSCZ 批量转换为
MSCX、MusicXML、PDF、MIDI、MP3 等格式，满足下游多样化数据需求。

利用 Android 容器集群在真实 App
运行环境中完成解密，无需逆向加密算法：

- 部署 40+ redroid 安卓模拟器容器，每容器安装官方 MuseScore APK
- mitmdump 作为透明代理，拦截 /v2/score/file 响应并替换为本地
XTZ 文件
- adb 自动化控制 App 触发下载行为，App 解密后写入
/sdcard/Download/
- adb pull 批量拉取 MSCZ 文件，累计解密 20 万+