文章提出Batik演奏莫扎特数据集，这是首个将专业钢琴演奏（维也纳钢琴家Roland Batik演奏的12首莫扎特奏鸣曲）与专家标注的乐谱进行音符级精确对齐的语料库。数据集包含36个乐章的MIDI演奏数据、MusicXML乐谱文件及音符级对齐匹配文件，并关联了和声、终止式、乐句结构等音乐学标注。通过两个实验验证了数据集价值：发现全局速度与和声密度呈线性正相关（r=0.75），并揭示慢速乐章中终止式类型对局部速度变化的显著影响。
现有钢琴演奏数据集存在两大局限：转录MIDI存在音符碎片化/缺失等误差，且乐谱对齐粒度粗糙（仅对齐到节拍级）。文章提出Batik演奏莫扎特数据集，通过专业演奏家在高精度计算机监控钢琴（Bösendorfer SE290）上的录音，实现音符级乐谱对齐，并整合音乐结构标注，填补了精细表达分析的数据空白。
核心数据包含维也纳钢琴家Roland Batik演奏的12首莫扎特奏鸣曲（36乐章），通过计算机监控钢琴以1.25ms精度采集按键/踏板运动。原始MIDI文件经专业校准转换为标准128级力度值，并与《新莫扎特版》乐谱进行音符级手动对齐。
采用四阶段对齐框架：
最终生成match格式对齐文件，明确标注匹配/插入/删除的音符关系。
数据集包含102,421个演奏音符（总时长223分钟），关键特性包括：
复现前人研究时发现：当考虑演奏家实际跳过的重复段落（而非假设全部重复）时，异常高速度值（180-200 qpm）消失。修正后数据显示和声标签密度与全局速度呈显著正相关（r=0.75），支持"快速乐章中和声变化更密集"的假设。
对比正格终止（PAC/IAC）与半终止（HC）前1拍的速度变化：
证明演奏家依据终止式的结构功能差异实施精细速度调控。
该数据集首次实现专业演奏-乐谱-音乐结构的三维精确关联，为表达性演奏分析提供新基准。未来计划：1）扩展剩余6首奏鸣曲的音频转录对齐 2）评估转录-对齐联合优化对MIDI数据质量的提升效果。