跳到主要内容MuseScore 与西贝柳斯技术方案深度对比及选型指南 | 极客日志C++AI算法
MuseScore 与西贝柳斯技术方案深度对比及选型指南
对比了 MuseScore 与西贝柳斯两款打谱软件的技术方案。MuseScore 基于 C++、Qt 开源架构，支持二次开发，适合中小项目及教学；西贝柳斯采用封闭自研引擎，精度高，适合专业出版。两者在渲染引擎、OMR 识别（MuseScore 用深度学习，西贝柳斯用 SharpEye）、多声部处理及格式导出上存在显著差异。MuseScore 成本低、扩展性强，西贝柳斯性能优、稳定性高。开发者应依据预算、场景复杂度及是否需要定制来选择合适工具。
奶糖兔6 浏览 第一章 为什么要吃透两款软件的技术差别？
1.1 选型避坑：别再凭感觉选打谱软件
很多音乐开发者、乐团扒谱师、音乐教育从业者，都会陷入一个误区：要么觉得'免费开源的 MuseScore 够用'，要么盲目追求'专业商用的西贝柳斯'，却不知道两者的技术底层差异极大——选错软件，轻则导致扒谱效率翻倍下降，重则出现乐谱格式错乱、导出失败、复杂谱面无法编辑等问题。
比如做民乐多声部扒谱，用 MuseScore 可能出现符杆重叠、排版混乱；做管弦乐总谱印刷，用西贝柳斯能节省 80% 的排版时间。本文不聊空泛的功能对比，只拆解技术底层、核心架构、工程落地的差异，帮你精准匹配自身需求，避免'用免费软件做专业活''花高价买用不上的功能'。
1.2 核心定位差异：开源普惠 VS 商用专业
先明确一个核心前提：两款软件的技术方案，都是围绕其定位设计的，没有'谁更好'，只有'谁更适配'。
- MuseScore：开源免费 + 跨平台普惠，定位是'让所有人都能用得起专业打谱工具'，技术方案侧重'轻量、兼容、社区可扩展'，底层架构开放，允许开发者二次开发、定制功能，适配中小规模乐谱编辑、教学、业余创作场景。
- 西贝柳斯（Sibelius）：商用付费 + 专业级闭环，定位是'专业作曲家、管弦乐团、音乐出版社的生产工具'，技术方案侧重'高精度、高稳定性、高效协同'，底层架构封闭但优化极致，适配大规模总谱、复杂声部、专业印刷出版场景。
两者的技术差异，本质是'开源社区驱动'与'商业团队深耕'的差异，这一点贯穿全文，也是所有功能、性能差异的根源。
第二章 核心架构对比：开源开放 VS 封闭闭环（最干货）
2.1 底层架构：MuseScore 开源可定制，西贝柳斯封闭强优化
MuseScore 底层架构（开源灵活型）
- 底层核心层：负责基础渲染（Qt 绘图引擎）、音频合成、文件解析，核心依赖开源库（如 portaudio、libmscore），支持开发者替换、扩展核心组件；
- 中间逻辑层：处理乐谱逻辑（音符时值、声部关系、乐理规则），内置基础乐理校验引擎，可通过插件扩展功能（如简谱转换、民乐符号添加）；
- 上层 UI 层：采用 QML（Qt Modeling Language）开发，支持跨平台适配（Windows/macOS/Linux/移动端），UI 布局可自定义，社区开发者可提交 PR 优化界面或功能——MuseScore 3.6 版本的自动乐器排序、连谱号添加等核心功能，均来自社区贡献。
这种架构的优势的是'灵活可扩展'，比如我们做 OMR 识别落地时，可直接修改 MuseScore 的核心代码，将识别结果无缝对接乐谱渲染模块；劣势是'优化分散'，不同社区贡献的模块兼容性一般，复杂场景下易出现卡顿、bug。
西贝柳斯 底层架构（封闭优化型）
西贝柳斯基于C+++ 自研渲染引擎开发，核心代码封闭，不对外开放，采用'一体化闭环架构'，所有模块（渲染、解析、音频、排版）均由官方团队统一开发、优化，具体分为两层：
- 底层核心层：自研乐谱渲染引擎（Sibelius Render Engine）、音频合成引擎，针对专业乐谱场景（多声部、复杂符号、高清印刷）做了极致优化，渲染精度、运行稳定性远超开源方案；
- 上层应用层：内置专业乐理规则引擎、排版引擎，支持多语言、多格式无缝兼容，所有功能模块高度协同，比如音符输入、声部编辑、排版印刷可一键联动，无需额外插件。
这种架构的优势是'稳定高效'，处理百轨以上的管弦乐总谱时，依然能流畅编辑、实时预览；劣势是'不可定制'，开发者无法修改核心代码，只能通过官方提供的 API 做简单扩展，二次开发门槛极高。
2.2 渲染引擎：精度、速度与兼容性的差距
渲染引擎是打谱软件的'灵魂'，直接决定乐谱显示精度、编辑流畅度、导出兼容性，两款软件的渲染方案差异极大，也是专业与非专业的核心分水岭。
MuseScore 渲染引擎（Qt 开源渲染，兼顾兼容）
MuseScore 采用Qt 绘图引擎 + 自定义渲染规则，核心特点是'兼容优先，精度够用'：
- 渲染精度：支持标准五线谱、简谱、吉他谱渲染，可满足教学、业余创作的显示需求，但在复杂符号（如民乐装饰音、管弦乐特殊演奏记号）渲染上，细节精度不足，比如连音线弧度、符头大小的统一性较差；
- 渲染速度：中小规模乐谱（≤20 轨）流畅，大规模总谱（≥50 轨）易出现卡顿，尤其是添加复杂表情记号、连线后，实时预览会有明显延迟；
- 兼容性：支持导出 PDF、PNG、SVG 等格式，但导出高清印刷级 PDF 时，易出现文字模糊、符号错位，需手动调整参数；同时支持导入 MusicXML、MIDI 等格式，兼容性强，但导入复杂乐谱时，易出现声部错乱、符号丢失。
西贝柳斯 渲染引擎（自研闭环，精度拉满）
西贝柳斯采用自研渲染引擎，核心特点是'精度优先，适配专业场景'：
- 渲染精度：支持所有音乐符号（包括民乐、管风琴、打击乐等特殊符号）的高精度渲染，符头、符杆、连线、表情记号的细节把控极致，连音线弧度、符头间距均符合专业印刷标准，适合音乐出版社、专业乐团使用；
- 渲染速度：针对大规模总谱做了专项优化，百轨以上管弦乐总谱可流畅编辑、实时预览，即使添加大量表情记号、反复记号，也不会出现卡顿；
- 兼容性：导出高清 PDF、EPS 等印刷格式时，支持专业色彩管理、字体嵌入，导出文件可直接用于印刷，无需手动调整；导入格式时，可完美兼容 MuseScore、Finale 等软件的文件，不会出现符号丢失、声部错乱，甚至能保留排版细节。
2.3 扩展性：二次开发的天壤之别（开发者重点看）
对于音乐开发者、OMR 项目落地者而言，软件的扩展性直接决定开发效率，这也是两款软件技术方案的核心差异之一。
MuseScore 扩展性（开源自由，二次开发友好）
作为开源软件，MuseScore 的扩展性几乎没有限制，核心优势有 3 点：
- 代码可直接修改：可克隆 GitHub 仓库，修改核心模块（如 OMR 识别对接、自定义符号渲染），比如我们之前做五线谱 OMR 识别时，可直接将识别结果通过 MuseScore 的核心接口，一键生成可编辑乐谱；
- 插件生态完善：社区提供大量免费插件（如简谱与五线谱互转、MIDI 批量导入、民乐符号库），也可自行开发插件（基于 Python 或 C++），适配自身需求——比如适配民乐扒谱，可开发专属的工尺谱、装饰音插件；
- 跨平台适配简单：基于 Qt 开发，可快速适配 Windows、macOS、Linux，甚至可移植到移动端，适合开发跨平台的乐谱编辑、OMR 识别工具。
西贝柳斯 扩展性（封闭受限，仅支持基础扩展）
西贝柳斯作为商用软件，扩展性受到严格限制，仅支持 2 种基础扩展方式：
- 官方 API 扩展：提供有限的 API 接口，仅支持简单的功能调用（如音符输入、乐谱导出），无法修改核心渲染、解析逻辑，比如无法通过 API 对接自定义 OMR 识别模块；
- 第三方插件（有限）：仅支持官方认证的插件，且插件功能有限，多为辅助功能（如批量修改音符、排版优化），无法实现复杂的二次开发，比如无法定制民乐符号、自定义排版规则；
- 无跨平台定制能力：仅支持 Windows、macOS，无法移植到 Linux 或移动端，对于需要跨平台部署的开发者而言，几乎没有适配空间。
第三章 核心功能技术细节对比（实操落地重点）
3.1 OMR 识别技术：MuseScore AI 开源 VS 西贝柳斯 SharpEye 商用
OMR（光学乐谱识别）是当前乐谱数字化的核心需求，两款软件的 OMR 技术方案，完美体现了'开源普惠'与'商用专业'的差异，也是我们做 OMR 项目落地时，最需要参考的技术点。
MuseScore OMR 技术（自研 AI，开源可优化）
MuseScore 4+ 版本内置自研深度学习 OMR 模型，技术方案对标现代商用 OMR，核心特点是'开源免费，适配普通场景'：
- 核心技术：采用 UNet 语义分割+Transformer 时序建模，无需强制二值化，可直接处理彩色、灰度、轻微暗光的乐谱图片，保留图像明暗、纹理特征，减少识别误差，这与我们之前做 OMR 项目的'非二值化预处理'思路完全一致；
- 识别能力：支持印刷谱、简单手写谱识别，可识别音符、休止符、调号、拍号、小节线，识别准确率约 85%-90%（干净印刷谱），但对复杂谱面（多声部、手写潦草、老旧乐谱）识别准确率下降明显；
- 技术优势：开源可优化，可基于 PrIMuS 等乐谱数据集，微调模型参数，提升特定场景（如民乐谱、吉他谱）的识别准确率；同时可直接对接 MuseScore 的乐谱编辑模块，识别结果一键编辑、导出；
- 缺陷：识别速度较慢，复杂谱面易出现符号误判、音高偏差，且不支持复杂表情记号、演奏记号的识别，需要手动修正，适合中小规模 OMR 项目、教学场景使用。
西贝柳斯 OMR 技术（集成 SharpEye SDK，商用级精度）
西贝柳斯集成Neuratron 公司的 SharpEye SDK（传统 OMR 核心引擎），技术方案是'传统规则 + 模板匹配'，核心特点是'精度高，适配专业场景'：
- 核心技术：采用'自适应二值化 + 形态学处理 + 模板匹配 + 决策树分类'，先对乐谱图片做二值化、去噪、纠斜处理，再通过模板匹配识别音符、符号，依赖高质量的输入图片（干净印刷谱）；
- 识别能力：专注于印刷谱识别，识别准确率可达 95% 以上（干净印刷谱），可精准识别多声部、复杂表情记号、演奏记号、反复记号，甚至可识别管弦乐总谱中的乐器分配信息；
- 技术优势：识别速度快，处理大规模印刷谱时，可快速完成识别、解析，且识别结果的准确率、完整性远超 MuseScore，适合专业乐团、音乐出版社的乐谱数字化场景；
- 缺陷：强依赖二值化，对彩色、暗光、手写、老旧乐谱识别效果极差，且技术封闭，无法修改识别逻辑，无法适配自定义谱面（如民乐谱），同时 SharpEye SDK 需额外付费授权，成本较高。
3.2 多声部处理：MuseScore 基础适配 VS 西贝柳斯专业优化
多声部处理是打谱软件的核心功能，尤其是管弦乐、民乐合奏谱，对声部编辑、排版的要求极高，两款软件的技术实现差异，直接决定了复杂谱面的编辑效率。
MuseScore 多声部处理（基础功能，适配中小规模）
MuseScore 的多声部处理采用'基础分层架构'，核心满足'能用'，技术细节较为简单：
- 声部支持：最多支持 4 个独立声部，可通过鼠标点击、快捷键切换声部（如 Alt+1 切换声部 1），声部颜色默认区分（但不可自定义），适合钢琴谱、简单民乐合奏谱（≤4 声部）；
- 编辑逻辑：声部之间相对独立，编辑一个声部时，不会自动适配其他声部的排版，容易出现符杆重叠、音符拥挤的问题，需要手动调整符杆方向、音符间距；
- 缺陷：处理多声部总谱（如 8 声部以上民乐合奏、管弦乐）时，排版混乱严重，无法自动分配声部位置，且实时预览时易出现卡顿，编辑效率极低；同时不支持声部批量编辑、批量调整，需要逐个声部修改。
西贝柳斯 多声部处理（专业优化，适配大规模总谱）
西贝柳斯的多声部处理采用'智能分层 + 协同排版'技术，核心满足'高效、精准'，是其核心技术优势之一：
- 声部支持：最多支持 64 个独立声部，可自定义声部颜色（如声部 1 深蓝色、声部 2 绿色、声部 3 橙色），通过快捷键（Alt+1~4 切换 1-4 声部，Alt+5 选择所有声部）快速切换，适配管弦乐百轨总谱；
- 编辑逻辑：内置智能声部排版引擎，编辑一个声部时，自动适配其他声部的位置，避免符杆重叠、音符拥挤，且支持声部批量编辑（如批量修改声部时值、批量隐藏/显示声部）；
- 特色技术：支持'声部联动编辑'，比如修改一个声部的调号，其他关联声部自动同步修改；同时支持多声部分离显示、单独播放，方便乐团分声部排练，这也是专业乐团首选西贝柳斯的核心原因之一；
- 优势：处理大规模多声部总谱时，依然能保持排版整洁、编辑流畅，无需手动调整过多参数，编辑效率比 MuseScore 高 50% 以上，适合专业作曲家、管弦乐团使用。
3.3 格式解析与导出：兼容普惠 VS 专业闭环
格式解析与导出，直接决定软件的兼容性、落地实用性，尤其是对于 OMR 项目、乐谱数字化项目而言，导出格式的专业性、兼容性至关重要。
MuseScore 格式解析与导出（兼容优先，开源通用）
MuseScore 的格式解析与导出，核心围绕'开源通用'设计，支持多种格式，但专业度不足：
- 导入格式：支持 MusicXML、MIDI、MEI、MuseData、PDF（部分），可导入 MuseScore、西贝柳斯、Finale 等软件的文件，但导入西贝柳斯的复杂总谱时，易出现排版错乱、符号丢失；同时支持 MIDI 导入智能解析，将 MIDI 音轨映射为合法乐谱，并自动补全调号与拍号；
- 导出格式：支持 PDF、PNG、SVG、MIDI、MP3、WAV、FLAC，以及 MusicXML 等通用格式，导出操作简单，适合教学、业余创作、中小规模乐谱分享；
- 缺陷：导出高清印刷级 PDF 时，不支持专业色彩管理、字体嵌入，易出现文字模糊、符号错位，无法直接用于专业印刷；导出 MP3 等音频格式时，音质较差，仅能满足基础预览需求，无法用于专业制作；同时不支持专业出版格式（如 EPS、AI）的导出，限制了专业场景的使用。
西贝柳斯 格式解析与导出（专业优先，闭环适配）
西贝柳斯的格式解析与导出，核心围绕'专业出版'设计，兼容性强且专业度拉满：
- 导入格式：完美支持 MusicXML、MIDI、PDF、EPS 等所有主流乐谱格式，可导入 MuseScore、Finale 等软件的文件，且能完整保留排版细节、声部关系、表情记号，不会出现符号丢失、排版错乱；同时支持 PDF 乐谱的高精度识别（基于 SharpEye SDK），可直接将 PDF 转换为可编辑乐谱；
- 导出格式：支持 PDF（专业印刷级）、EPS、AI、SVG 等专业出版格式，导出时可设置色彩管理、字体嵌入、分辨率（最高 600dpi），导出文件可直接用于音乐出版社的印刷排版；同时支持 MIDI、MP3、WAV 等音频格式，音质远超 MuseScore，可用于专业音频制作；
- 特色功能：支持'格式批量转换'，可批量将多个乐谱文件转换为指定格式，适合大规模乐谱数字化项目；同时支持自定义导出参数，可根据需求调整排版、分辨率、色彩，适配不同的落地场景（如印刷、分享、排练），这也是音乐出版社首选西贝柳斯的核心原因之一。
第四章 工程落地对比：开发成本、适配场景与避坑指南
4.1 开发成本对比（含开源落地、商用授权）
对于开发者而言，开发成本是选型的核心考量，两款软件的成本差异极大，直接决定了中小团队、个人开发者的选型方向。
MuseScore 开发成本（零成本开源，落地门槛低）
- 授权成本：完全开源免费，无任何授权费用，可直接用于个人、商业项目（遵循 GPL 协议），无需支付任何费用；
- 开发成本：核心代码开源，二次开发门槛低，可基于现有代码修改、扩展，无需从零开发核心模块（如渲染、解析）；同时社区提供大量开源资源（插件、教程、数据集），可快速落地 OMR 识别、乐谱编辑等项目；
- 运维成本：开源软件，无官方技术支持，出现 bug 需自行修复，或依靠社区提交 PR；但社区活跃，常见问题均可在 GitHub、官方论坛找到解决方案，运维成本较低；
- 适合群体：个人开发者、中小团队、音乐教育机构，适合预算有限、需要二次开发、适配自定义场景（如民乐 OMR、跨平台乐谱工具）的项目。
西贝柳斯 开发成本（高成本商用，落地门槛高）
- 授权成本：商用授权费用极高，个人版每年约 1000 元，企业版每年约 5000 元，且 SharpEye SDK 需额外付费授权（按年计费）；非商用免费版功能受限（如无法导出高清 PDF、不支持多声部总谱编辑）；
- 开发成本：核心代码封闭，仅支持有限的 API 扩展，二次开发门槛极高，无法修改核心逻辑（如 OMR 识别、渲染引擎）；且官方技术文档较少，开发过程中遇到问题，只能依靠官方付费技术支持；
- 运维成本：官方提供专业技术支持，出现 bug 可快速获得修复，但需支付额外的运维费用；同时软件更新频率较低，新功能迭代较慢，适配新场景（如新型民乐符号）的周期较长；
- 适合群体：专业音乐出版社、大型管弦乐团、预算充足的商业团队，适合无需二次开发、专注于专业乐谱编辑、印刷出版的场景。
4.2 适配场景对比（精准选型，不踩坑）
结合技术方案差异，整理了两款软件的适配场景，帮你快速选型，避免'用错工具'：
MuseScore 适配场景（开源普惠，灵活适配）
- 中小规模乐谱编辑：钢琴谱、吉他谱、简单民乐合奏谱（≤4 声部）、教学用谱，适合个人、音乐教师使用；
- OMR 项目落地：中小规模 OMR 识别项目（如教学用谱识别、简单印刷谱识别），可基于开源代码优化模型，降低开发成本；
- 二次开发场景：自定义乐谱工具（如民乐符号编辑、跨平台乐谱 APP），可修改核心代码，适配自定义需求；
- 预算有限场景：个人开发者、中小团队，无需支付授权费用，可快速落地项目，适合试错、原型开发；
- 简谱相关场景：支持简谱与五线谱双模式无损互转，适配中文音乐教育、民乐创作场景，可生成简谱 - 五线谱对照谱、民乐伴奏谱。
西贝柳斯 适配场景（专业商用，高效落地）
- 大规模专业乐谱编辑：管弦乐总谱、交响乐总谱、复杂民乐合奏谱（≥8 声部），适合专业作曲家、乐团使用；
- 专业印刷出版：音乐出版社的乐谱排版、印刷，导出的 PDF、EPS 文件可直接用于印刷，无需手动调整；
- 高精度 OMR 识别：干净印刷谱的高精度识别（如出版社乐谱数字化、专业乐团乐谱归档），识别准确率、效率远超 MuseScore；
- 专业排练场景：多声部分离播放、声部联动编辑，适合乐团分声部排练，提升排练效率；
- 商业级乐谱制作：需要高精度排版、专业音频导出的场景（如影视配乐、游戏配乐的乐谱制作），可满足专业制作需求。
4.3 工程落地避坑指南（实操重点，学完能用）
结合实际开发、落地经验，总结 3 个高频坑，帮你规避选型、开发中的问题，少走弯路：
- 坑 1：盲目追求开源免费，用 MuseScore 做专业印刷/大规模总谱——解决方案：如果需要专业印刷、处理多声部总谱，直接选西贝柳斯，避免后期排版、导出出现问题；如果预算有限，可先用 MuseScore 做初稿，再导入西贝柳斯做排版优化；
- 坑 2：用西贝柳斯做二次开发/OMR 项目落地——解决方案：西贝柳斯架构封闭，二次开发门槛极高，且授权成本高，适合无需二次开发的专业场景；OMR 项目、自定义工具开发，优先选 MuseScore，可基于开源代码快速落地，甚至可对接 YOLOv8 等 AI 模型，提升复杂场景识别能力；
- 坑 3：忽视格式兼容性，导致乐谱无法跨软件编辑——解决方案：如果需要跨软件协作（如与其他开发者、乐团共享乐谱），优先使用 MusicXML 格式导入/导出，MuseScore 和西贝柳斯均完美支持该格式；避免使用各自的专用格式（.mscz、.sib），防止格式错乱；
- 坑 4：用 MuseScore 处理复杂手写谱/老旧乐谱——解决方案：MuseScore 的 OMR 模型对复杂手写谱、老旧乐谱识别准确率低，可先通过 OpenCV 做图像增强（去噪、对比度调整），再导入 MuseScore 识别，或微调模型参数，提升识别效果；若追求高精度，可搭配 PrIMuS 数据集重新训练模型。
第五章 总结：选型核心逻辑与技术参考（干货收尾）
5.1 核心技术差异总结（一张表吃透）
| 技术维度 | MuseScore（开源） | 西贝柳斯（商用） |
|---|
| 底层架构 | C+++Qt+QML，开源模块化，可二次开发 | C+++ 自研引擎，封闭闭环，不可定制 |
| 渲染引擎 | Qt 开源渲染，精度够用，兼容优先 | 自研渲染引擎，精度极高，专业优化 |
| OMR 技术 | 自研深度学习模型，开源可优化，准确率 85%-90% | 集成 SharpEye SDK，商用级精度，准确率≥95%（印刷谱） |
| 多声部处理 | 最多 4 声部，基础排版，需手动调整 | 最多 64 声部，智能排版，高效协同 |
| 格式导出 | 支持通用格式，无专业印刷格式 | 支持专业印刷格式，可直接用于出版 |
| 开发成本 | 零授权成本，二次开发门槛低 | 高授权成本，二次开发门槛极高 |
| 适配场景 | 教学、业余创作、二次开发、中小规模 OMR | 专业出版、大规模总谱、高精度 OMR、专业排练 |
5.2 选型核心逻辑（不用纠结，直接对号入座）
- 看需求：需要二次开发、预算有限、适配中小规模场景（教学、个人创作、简单 OMR），选 MuseScore；需要专业印刷、大规模总谱、高精度 OMR，选西贝柳斯；
- 看团队：个人开发者、中小团队，选 MuseScore（开源免费、灵活可扩展）；专业团队、音乐出版社，选西贝柳斯（稳定高效、专业闭环）；
- 看落地：做 OMR 项目落地，优先选 MuseScore（可对接 AI 模型、二次开发）；做专业乐谱印刷、乐团排练，优先选西贝柳斯（精度高、效率高）；
- 看兼容性：需要跨软件协作、简谱与五线谱互转，选 MuseScore；需要专业格式导出、高精度导入，选西贝柳斯。
5.3 技术落地参考（开发者重点）
对于做 OMR 识别、乐谱数字化、自定义打谱工具的开发者，给出 2 个实用落地建议：
- 低成本落地：基于 MuseScore 开源代码，整合 YOLOv8 模型（用于音符、符号检测）、PrIMuS 数据集（用于模型微调），实现复杂场景（彩色、暗光、简单手写谱）的 OMR 识别，再通过 MuseScore 的渲染、导出模块，生成可编辑、可印刷的乐谱，无需从零开发核心模块；
- 专业级落地：若预算充足，可采用'西贝柳斯+SharpEye SDK'方案，用于高精度印刷谱识别、专业排版，同时搭配 MuseScore 做二次开发，实现自定义场景适配，兼顾专业度与灵活性。
微信扫一扫，关注极客日志
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
相关免费在线工具
- 加密/解密文本
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
- RSA密钥对生成器
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
- Mermaid 预览与可视化编辑
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
- Base64 字符串编码/解码
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
- Base64 文件转换器
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
- Markdown转HTML
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
