重點摘要
MP3 是聲音的錄音；MIDI 檔是一張音符清單——哪個鍵、什麼時候、多長、多重。把一種轉成另一種，代表要讓一個模型去聽出音符並把它們記下來。Suno AI Music 上的 MP3 轉 MIDI 工具完全在你的瀏覽器裡做這件事，用的是 Spotify 開源的 Basic Pitch 模型：丟進一個最大 50 MB 的檔案，等一兩分鐘，就能拿到一個包含它聽到的每個音符的 .mid 檔。轉換免費，不用帳號；想留下檔案要花 2 點數，任何付費方案則免費。乾淨、旋律性強的音訊——鋼琴獨奏、一段人聲旋律、一條單獨的分軌——轉得最好。密集的完整混音轉出來的只能當起點，而不是成品樂譜。
本文目錄
MP3 轉 MIDI 實際在做什麼
這兩種格式裝的東西完全不同，而這個差別能解釋轉換裡的每一個怪現象。
MP3 是取樣後的聲音：每秒幾萬個數字，描述麥克風收到的氣壓變化。它根本不知道「音符」是什麼。一個鋼琴和弦、一聲咳嗽和一下銅鈸，全都只是波形。
MIDI 檔是寫成指令的演奏：60 號音（中央 C）在 1.25 秒開始，持續 0.4 秒，力度 88。在合成器或取樣器演奏它之前，它完全沒有聲音——這正是樂手想要它的原因。一段旋律一旦變成 MIDI，你就可以換樂器、改錯音、量化節奏、移調，或把它印成樂譜。
所以從 MP3 到 MIDI 是扒譜，而不是檔案格式轉換。我們的轉換器執行的是 Basic Pitch，一個 Spotify 開源釋出的神經網路，它逐格查看音訊的頻率內容，判斷音符從哪裡開始、是什麼音高、在哪裡結束。它能處理複音——同時發出的好幾個音——還能抓到滑音，這是舊式「音高追蹤」轉換器做不到的。
開始之前值得知道的兩個結果：
- 輸出的是音符，不是聲音。 MIDI 不知道原本是鋼琴還是薩克斯風。打開它的時候由你來選樂器。
- 音訊裡的一切都可能變成音符。 鼓、殘響尾音和人聲的換氣都可能變成雜散的音符。輸入越乾淨，MIDI 越乾淨。
用哪個工具頁面
有三個入口，共用一個引擎，所以差別只在於它們接受哪些檔案：
| 頁面 | 接受 | 什麼時候用 |
|---|---|---|
| MP3 轉 MIDI | MP3、WAV、M4A、FLAC、OGG、AAC | 你手上有一個音訊檔——最常見的情況 |
| 音訊轉 MIDI | 同樣的音訊格式 | 同一個工具，換了個通用的名字 |
| MP4 轉 MIDI | 上面的音訊格式，加上 MP4、MOV、WEBM、MKV | 你的旋律在一段影片裡——手機錄的練團、一段螢幕錄影 |
三個頁面的檔案上限都是 50 MB，都在你自己的裝置上執行。什麼都不會上傳到伺服器——按鈕下面就寫著這一點，這也是轉換前面既沒有排隊、也沒有註冊牆的原因。
如果這首歌是你在 Suno AI Music 上做的，你甚至不需要檔案：從我的歌裡選分頁可以直接轉換你音樂庫裡的歌（這個分頁需要登入，因為它要讀你的音樂庫）。
一步步來
這次示範我們轉換了一首 2 分 49 秒的毛氈鋼琴獨奏——是在我們自己的 AI 音樂生成器上生成的——它很接近理想的輸入：一件樂器，沒有鼓，柔和的和弦上有一條清楚的旋律。
- 打開轉換器。 進入 MP3 轉 MIDI。來源保持在上傳檔案。
- 放入你的音訊。 把檔案拖到虛線框上，或點它去瀏覽。檔案被接受後，框裡會顯示檔名和大小；超過 50 MB 的檔案在任何處理開始之前就會被拒絕。
- 按轉換為 MIDI。 進度列會經過兩個階段：正在讀取音訊……（把檔案解碼成 22.05 kHz 單聲道，這是模型要求的格式）和正在辨識音符……（模型本身在工作）。
- 等結果。 我們這首 2:49 的鋼琴曲在筆電上大約用了一分半鐘。處理發生在你自己的處理器上，所以電腦越快完成得越早，曲子越長耗時也成比例增加。你可以隨時取消。
- 看總結。 完成後，卡片會告訴你它找到了多少個音符、涵蓋了多長的音訊。我們的鋼琴曲回來的是在 2:49 的音訊裡辨識出 3,523 個音符——大約每秒 21 個音符，對於上面帶旋律的分解和弦來說差不多剛好。
- 下載 .mid。 按下載 .mid。轉換對所有人都免費；下載對非會員是 2 點數，任何付費方案免費。如果你沒登入，按鈕會先打開登入視窗——新帳號自帶 16 點免費點數，夠下載好幾次 MIDI。一次轉換付過費之後，你可以在同一個頁面再次下載那個檔案，不用重複付費。
音符數量就是你的快速品質檢查。如果一首三分鐘的歌只回來 40 個音符，代表模型幾乎沒聽到它有把握的東西——通常是因為旋律被埋住了。如果一首稀疏的抒情歌回來 12,000 個，它多半在扒殘響和鼓。兩種情況的解決辦法都是換一個更乾淨的輸入，而不是對同一個檔案再試一次。
哪些錄音轉得好
扒譜品質取決於錄音的程度遠遠超過取決於轉換器。大致從好到差：
- 獨奏樂器——鋼琴、吉他、一段唱出來或吹口哨吹出來的旋律、一條長笛旋律。這些轉回來的結果很接近原本彈奏的東西。
- 單獨的分軌——從一首完整的歌裡分離出來的人聲或貝斯。如果你只有完整混音，先用人聲分離處理一下，再轉換你真正想要的那一部分。轉換分離出的人聲能得到旋律；轉換伴奏能得到和聲。
- 稀疏的編曲——一個歌手配一把木吉他。能用，需要清理一些。
- 密集的完整混音——鼓、貝斯、鋪底、人聲和效果同時出現。你會得到一團音符雲：所有樂器的音高併進一條軌裡，再加上被讀成短促隨機音符的鼓擊。拿來打和弦草稿還有用，拿來當乾淨的樂譜不行。
- 說話、音效、噪音——沒什麼可找的。轉換器會直接告訴你在這段音訊裡沒有找到音符，而不是編出一段旋律。
一條實用規則：如果歌在播的時候你能把你想要的那一部分哼出來，而混音裡沒有別的東西和它一樣大聲，轉換就能找到它。
在 DAW 裡清理 MIDI
在任何一個 DAW 裡打開 .mid——GarageBand、Logic、Ableton Live、FL Studio、Reaper、Cubase，或像 LMMS 這樣的免費軟體——指定一個樂器。然後照常走幾遍：
- 刪掉幽靈音。 按力度排序或篩選，刪除非常輕的音符。大多數雜散的偵測結果都很弱——殘響尾音和共振泛音。
- 修正八度錯誤。 扒譜模型有時會把一個音放到比實際彈奏高或低一個八度的地方，低音貝斯尤其常見。它們在鋼琴捲簾裡一眼就看得出來。
- 輕度量化。 MIDI 保留的是真實演奏的節奏。用 50–70% 的強度量化到 1/16，能收緊節奏又不至於機械化。rubato 彈法的鋼琴就整個跳過這一步。
- 拆分聲部。 檔案是以一條軌道過來的。如果你想把旋律和和弦分開，選取某個音高以上的音（例如中央 C 以上），移到單獨一條軌上。
- 設好速度。 扒出來的譜不知道這首歌的 BPM，所以 DAW 的小節線不會和音樂對齊。先找出速度——我們的怎麼測一首歌的 BPM 指南一分鐘就能搞定——在量化之前把專案設成這個速度。
如果你打算把這一部分寫成五線譜，開始之前最好也知道它的調，這樣打譜軟體才能正確拼寫升降記號；怎麼找出一首歌的調講了怎麼做。
反過來 MIDI 轉 MP3
有時你需要反過來：一個 .mid 檔，你想聽聽看、分享出去，或放進一段影片裡。MIDI 轉 MP3 工具會把它算繪成音訊，一樣完全在你的瀏覽器裡完成。
- 按選一個 MIDI 檔，選一個 .mid 或 .midi 檔。網頁會確認檔名和音符數量。
- 選一個音色：鋼琴、管風琴、弦樂或 Chiptune。
- 按算繪音訊。在我們的測試裡，一段 77 個音符、22 秒的和弦進行，不到一秒就算繪完了。
- 按播放預覽，然後下載 MP3或下載 WAV。兩種都免費。
要清楚它是什麼：這四種音色是合成出來的，不是取樣樂器，所以「鋼琴」是一種柔和的撥弦音色，而不是一台演奏會平台鋼琴。它非常適合用耳朵核對扒出來的譜、把草稿分享給團員，或營造 lo-fi 的 chiptune 感覺。想要逼真的樂器，就把 MIDI 載入一個有取樣鋼琴或弦樂音源的 DAW。轉換器接受最長 10 分鐘、最多 20,000 個音符的檔案。
常見問題
MP3 轉 MIDI 免費嗎？
轉換免費，不用帳號——在決定任何事之前，你就能看到結果的音符數量和長度。下載 .mid 對非會員是 2 點數，每個付費方案都免費。新帳號註冊就送 16 點。
我的音訊會被上傳到哪裡嗎？
不會。檔案由一個在瀏覽器裡執行的模型，在你自己的裝置上完成解碼和扒譜；網頁不會帶著你的音訊發出任何伺服器請求。唯一的例外是從我的歌裡選分頁，它會從我們網站上你自己的音樂庫取一首歌。
它能把不同樂器分到不同的 MIDI 軌嗎？
不能——結果是一條包含它聽到的所有音高的軌道。想要分開的聲部，就先分離音訊（人聲分離能把人聲和伴奏分開），每一部分分別轉換，再在 DAW 裡合併這些 MIDI 檔。
它能辨識鼓嗎？
它是為有音高的音符設計的。鼓不會被扒成一套鼓組；大聲的鼓擊可能會以短促、隨機的有音高音符出現，這也是分軌比完整混音轉得好的另一個原因。
為什麼轉換要一分鐘甚至更久？
神經網路是在你的電腦上執行的，而不是在伺服器上，而且它要把整首歌切成許多互相重疊的小格逐一檢查。一首 3 分鐘的歌就有幾千格。有像樣顯示晶片的筆電會快一些，因為瀏覽器會用它幫模型加速。
能把影片的配樂轉成 MIDI 嗎？
能，用 MP4 轉 MIDI 頁面，它也接受 MOV、WEBM 和 MKV。如果影片的音軌用了你的瀏覽器解不了的編碼，就先把音訊匯出成 MP3 或 M4A 再用。
能把我生成的歌轉成 MIDI 嗎？
能。登入，把轉換器切到從我的歌裡選，然後選這首歌。剛剛生成的歌可能要過幾分鐘才能拿來轉換；如果還沒準備好，稍後再試。
結語
MP3 轉 MIDI 就是扒譜，而扒譜會獎勵乾淨的輸入：給模型一件樂器或一條分軌，你拿回來的就是一個可以編輯、重新配和聲、印出來的檔案。給它一整個混音，你拿到的是一份草稿。從 MP3 轉 MIDI 工具開始，看看音符數量，在 DAW 裡清掉明顯的幽靈音——想不開 DAW 就聽一個 MIDI 檔時，用 MIDI 轉 MP3 把它算繪回來。如果你比較想從一首成品歌而不是扒譜開始，就生成一首，再轉換你喜歡的那一部分。