要点
MP3 是声音的录音；MIDI 文件是一张音符清单——哪个键、什么时候、多长、多重。把一种转成另一种，意味着要让一个模型去听出音符并把它们记下来。Suno AI Music 上的 MP3 转 MIDI 工具完全在你的浏览器里完成这件事，用的是 Spotify 开源的 Basic Pitch 模型：拖进一个最大 50 MB 的文件，等一两分钟，就能拿到一个包含它听到的每个音符的 .mid 文件。转换免费，不用账号；想留下文件要花 2 积分，任意付费套餐则免费。干净、旋律性强的音频——钢琴独奏、一段人声旋律、一条单独的分轨——转得最好。密集的完整混音转出来的只能当起点，而不是成品乐谱。
本文目录
MP3 转 MIDI 实际在做什么
这两种格式装的东西完全不同，而这个差别能解释转换里的每一个怪现象。
MP3 是采样后的声音：每秒几万个数字，描述麦克风收到的气压变化。它根本不知道"音符"是什么。一个钢琴和弦、一声咳嗽和一下镲片，全都只是波形。
MIDI 文件是写成指令的演奏：60 号音（中央 C）在 1.25 秒开始，持续 0.4 秒，力度 88。在合成器或采样器演奏它之前，它完全没有声音——这正是乐手想要它的原因。一段旋律一旦变成 MIDI，你就可以换乐器、改错音、量化节奏、移调，或者把它打印成乐谱。
所以从 MP3 到 MIDI 是扒谱，而不是文件格式转换。我们的转换器运行的是 Basic Pitch，一个 Spotify 开源发布的神经网络，它逐帧查看音频的频率内容，判断音符从哪里开始、是什么音高、在哪里结束。它能处理复音——同时发出的好几个音——还能抓住滑音，这是老式"音高追踪"转换器做不到的。
开始之前值得知道的两个结果：
- 输出的是音符，不是声音。 MIDI 不知道原来是钢琴还是萨克斯。打开它的时候由你来选乐器。
- 音频里的一切都可能成为音符。 鼓、混响尾音和人声的换气都可能变成杂散的音符。输入越干净，MIDI 越干净。
用哪个工具页面
有三个入口，共用一个引擎，所以区别只在于它们接受哪些文件：
| 页面 | 接受 | 什么时候用 |
|---|---|---|
| MP3 转 MIDI | MP3、WAV、M4A、FLAC、OGG、AAC | 你手上有一个音频文件——最常见的情况 |
| 音频转 MIDI | 同样的音频格式 | 同一个工具，换了个通用的名字 |
| MP4 转 MIDI | 上面的音频格式，加上 MP4、MOV、WEBM、MKV | 你的旋律在一段视频里——手机录的排练、一段录屏 |
三个页面的文件上限都是 50 MB，都在你自己的设备上运行。什么都不会上传到服务器——按钮下面就写着这一点，这也是转换前面既没有排队、也没有注册墙的原因。
如果这首歌是你在 Suno AI Music 上做的，你甚至不需要文件：从我的歌里选标签可以直接转换你曲库里的歌（这个标签需要登录，因为它要读你的曲库）。
一步步来
这次演示我们转换了一首 2 分 49 秒的毛毡钢琴独奏——是在我们自己的 AI 音乐生成器上生成的——它很接近理想输入：一件乐器，没有鼓，柔和的和弦上有一条清楚的旋律。
- 打开转换器。 进入 MP3 转 MIDI。来源保持在上传文件。
- 放入你的音频。 把文件拖到虚线框上，或者点它去浏览。文件被接受后，框里会显示文件名和大小；超过 50 MB 的文件在任何处理开始之前就会被拒绝。
- 点转换为 MIDI。 进度条会经过两个阶段：正在读取音频……（把文件解码成 22.05 kHz 单声道，这是模型要求的格式）和正在识别音符……（模型本身在工作）。
- 等结果。 我们这首 2:49 的钢琴曲在笔记本上大约用了一分半钟。处理发生在你自己的处理器上，所以机器越快完成得越早，曲子越长耗时也成比例增加。你可以随时取消。
- 看总结。 完成后，卡片会告诉你它找到了多少个音符、覆盖了多长的音频。我们的钢琴曲返回的是在 2:49 的音频里识别出 3,523 个音符——大约每秒 21 个音符，对于上面带旋律的分解和弦来说差不多正好。
- 下载 .mid。 点下载 .mid。转换对所有人都免费；下载对非会员是 2 积分，任意付费套餐免费。如果你没登录，按钮会先打开登录窗口——新账号自带 16 个免费积分，够下载好几次 MIDI。一次转换付过费之后，你可以在同一个页面再次下载那个文件，不用重复付费。
音符数量就是你的快速质量检查。如果一首三分钟的歌只回来 40 个音符，说明模型几乎没听到它有把握的东西——通常是因为旋律被埋住了。如果一首稀疏的抒情歌回来 12,000 个，它多半在扒混响和鼓。两种情况的解决办法都是换一个更干净的输入，而不是对同一个文件再试一次。
哪些录音转得好
扒谱质量取决于录音的程度远远超过取决于转换器。大致从好到差：
- 独奏乐器——钢琴、吉他、一段唱出来或吹口哨吹出来的旋律、一条长笛旋律。这些转回来的结果很接近原本弹奏的东西。
- 单独的分轨——从一首完整的歌里分离出来的人声或贝斯。如果你只有完整混音，先用人声分离处理一下，再转换你真正想要的那一部分。转换分离出的人声能得到旋律；转换伴奏能得到和声。
- 稀疏的编曲——一个歌手配一把木吉他。能用，需要清理一些。
- 密集的完整混音——鼓、贝斯、铺底、人声和效果同时出现。你会得到一团音符云：所有乐器的音高并进一条轨里，再加上被读成短促随机音符的鼓击。用来勾和弦草稿还有用，拿来当干净的乐谱不行。
- 说话、音效、噪音——没什么可找的。转换器会直接告诉你在这段音频里没有找到音符，而不是编出一段旋律。
一条实用规则：如果歌在放的时候你能把你想要的那一部分哼出来，而混音里没有别的东西和它一样响，转换就能找到它。
在 DAW 里清理 MIDI
在任何一个 DAW 里打开 .mid——GarageBand、Logic、Ableton Live、FL Studio、Reaper、Cubase，或者像 LMMS 这样的免费软件——指定一个乐器。然后按常规走几遍：
- 删掉幽灵音。 按力度排序或筛选，删除非常轻的音符。大多数杂散的检测结果都很弱——混响尾音和共振泛音。
- 修正八度错误。 扒谱模型有时会把一个音放到比实际弹奏高或低一个八度的地方，低音贝斯尤其常见。它们在钢琴卷帘里一眼就能看出来。
- 轻度量化。 MIDI 保留的是真实演奏的节奏。用 50–70% 的强度量化到 1/16，能收紧节奏又不至于机械。rubato 弹法的钢琴就完全跳过这一步。
- 拆分声部。 文件是作为一条轨道过来的。如果你想把旋律和和弦分开，选中某个音高以上的音（比如中央 C 以上），挪到单独一条轨上。
- 设好速度。 扒出来的谱不知道这首歌的 BPM，所以 DAW 的小节线不会和音乐对齐。先找出速度——我们的怎么测一首歌的 BPM 指南一分钟就能搞定——在量化之前把工程设成这个速度。
如果你打算把这一部分写成五线谱，开始之前最好也知道它的调，这样打谱软件能正确拼写升降号；怎么找出一首歌的调讲了怎么做。
反过来 MIDI 转 MP3
有时你需要反过来：一个 .mid 文件，你想听一听、分享出去，或者放进一段视频里。MIDI 转 MP3 工具会把它渲染成音频，同样完全在你的浏览器里完成。
- 点选一个 MIDI 文件，选一个 .mid 或 .midi 文件。页面会确认文件名和音符数量。
- 选一个音色：钢琴、风琴、弦乐或 Chiptune。
- 点渲染音频。在我们的测试里，一段 77 个音符、22 秒的和弦进行，不到一秒就渲染完了。
- 点播放预览，然后下载 MP3或下载 WAV。两种都免费。
要清楚它是什么：这四种音色是合成出来的，不是采样乐器，所以"钢琴"是一种柔和的拨弦音色，而不是一架音乐会三角钢琴。它非常适合用耳朵核对扒出来的谱、把草稿分享给乐队成员，或者营造 lo-fi 的 chiptune 感觉。想要逼真的乐器，就把 MIDI 载入一个带采样钢琴或弦乐音源的 DAW。转换器接受最长 10 分钟、最多 20,000 个音符的文件。
常见问题
MP3 转 MIDI 免费吗？
转换免费，不用账号——在决定任何事之前，你就能看到结果的音符数量和时长。下载 .mid 对非会员是 2 积分，每个付费套餐都免费。新账号注册就送 16 积分。
我的音频会被上传到哪里吗？
不会。文件由一个在浏览器里运行的模型，在你自己的设备上完成解码和扒谱；页面不会带着你的音频发出任何服务器请求。唯一的例外是从我的歌里选标签，它会从我们网站上你自己的曲库里取一首歌。
它能把不同乐器分到不同的 MIDI 轨吗？
不能——结果是一条包含它听到的所有音高的轨道。想要分开的声部，就先分离音频（人声分离能把人声和伴奏分开），每一部分分别转换，再在 DAW 里合并这些 MIDI 文件。
它能识别鼓吗？
它是为有音高的音符设计的。鼓不会被扒成一套鼓组；响亮的鼓击可能会以短促、随机的有音高音符出现，这也是分轨比完整混音转得好的另一个原因。
为什么转换要一分钟甚至更久？
神经网络是在你的电脑上运行的，而不是在服务器上，而且它要把整首歌切成许多相互重叠的小帧逐一检查。一首 3 分钟的歌就有几千帧。带像样显卡的笔记本会快一些，因为浏览器会用显卡给模型加速。
能把视频的配乐转成 MIDI 吗？
能，用 MP4 转 MIDI 页面，它也接受 MOV、WEBM 和 MKV。如果视频的音轨用了你的浏览器解不了的编码，就先把音频导出成 MP3 或 M4A 再用。
能把我生成的歌转成 MIDI 吗？
能。登录，把转换器切到从我的歌里选，然后选这首歌。刚刚生成的歌可能要过几分钟才能用来转换；如果还没准备好，稍后再试。
写在最后
MP3 转 MIDI 就是扒谱，而扒谱会奖励干净的输入：给模型一件乐器或一条分轨，你拿回来的就是一个可以编辑、重新配和声、打印出来的文件。给它一整个混音，你拿到的是一份草稿。从 MP3 转 MIDI 工具开始，看看音符数量，在 DAW 里清掉明显的幽灵音——想不打开 DAW 就听一个 MIDI 文件时，用 MIDI 转 MP3 把它渲染回来。如果你更想从一首成品歌而不是扒谱开始，就生成一首，再转换你喜欢的那一部分。