音频文件生成乐谱的工具有吗？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 469 天前的主题，其中的信息可能已经有所发展或是发生改变。

现在在扒谱的时候，花费了太多时间，所以想有没有一种工具可以直接通过上传音频文件，在选择某种乐器类型，提取出音乐特征，最终生成乐谱，同时可以在线进行编辑的一个工具呢？

在找了很多工具之后，有的工具是可以提供部分功能，暂未找到可以在一个工具上一键生成的，所以我现在想是不是可以开发这么一套工具。当然我在查阅了很多资料后，发现在提取特征这一步很有难度。我理解大概处理流程如下，如有非常了解的朋友，我们可以聊聊！

1.音频文件上传，根据选择需要分离的音频类型，分离出其中的音频，如（鼓、人声、吉他、贝斯），当然这一步可能是需要对音频降噪、增强等
2.根据分离出的音频，提取其中的音乐特征，提取的方式有多种（短时傅里叶变换、离散余弦变换、离散小波变换、梅尔频谱和梅尔倒谱、恒 Q 变换）等算法，当然还有很多的开源库：librosa 、essentia 等
3.通过提取出的音乐特征与乐谱中需要表示的音乐标记作映射
4.最后通过这些音乐特征来绘制乐谱，生成乐谱。

当然这里面最难的肯定是对音乐特征的提取，由于在音频中可能会参杂很多的其他杂音，导致通过人工智能、机器学习也很难去分析出其中的音乐特征值。有兴趣的话，可以邮件联系我，我们一起探讨下吧！

email：aGVqdW5jaGVuZzk0QGdtYWlsLmNvbQ==

乐谱

音频

提取

特征

34 条回复 • 2023-09-07 10:10:19 +08:00

wekecher

2023-09-06 10:44:46 +08:00

AudioScore Ultimate 、ScoreCloud 呢？

murmur

2023-09-06 10:48:27 +08:00

别探讨了，现在最新的 ai 模型已经能扒钢琴、鼓、人声、吉他、贝斯了，然后单一乐器转换 midi 就很好了

不过依然需要显卡

我不知道你的理解有什么问题，但是我知道最新的模型总共有 40gb

cq65617875

2023-09-06 10:49:11 +08:00

@murmur 来个地址我观摩观摩？

murmur

2023-09-06 10:50:20 +08:00

@cq65617875 uvrs 还是 uvr5 ，这个因为软件是个图片我也认不清楚，我下载的是 4g 的基本版，群友说下载完整模型是 40g

实测 5800u 跑一首歌需要 10 分钟，3050 不认卡没法用 gpu 加速

cnuser002

2023-09-06 11:22:46 +08:00

@murmur 谢谢，很感兴趣，我去试试

lvtuyukuai

2023-09-06 11:30:43 +08:00

楼上说的 UVR 5： https://github.com/Anjok07/ultimatevocalremovergui

ispinfx

2023-09-06 11:31:26 +08:00

转可用谱还是很难的，出来后离不开一些人工的修改。当然如果你只是随便要具能听的 MIDI ，当我没说。。

tingyunsay

2023-09-06 11:58:12 +08:00

转出来了，和弦怎么配更还原，这些都是问题，简单的和弦自己也能听出来，扒谱本身就是根据每个人的思路去定制化的东西，你要通用那就只能给出最基础的和弦音了吧

murmur

2023-09-06 11:58:42 +08:00

@lvtuyukuai UVR5 是有二级模型的，先用 1 级模型分离人声和伴奏，然后二级模型再拆解乐器，目前最好的模型 cpu 跑一次要 1 个小时，所以才要显卡加速，建议直接下网友弄好的网盘版系在

junchenghe

2023-09-06 12:03:08 +08:00

@murmur 有链接吗？您说的 uvr5 这个是做音频分离，但是分离出的乐器音频到分析其中的音乐特征的生成乐谱的，我暂时还没看到有的，您有知道的吗？

junchenghe

2023-09-06 12:05:36 +08:00

@tingyunsay 是的，像吉他这种和声还原是很难的，每个人编排都不一样，但是像鼓，都是标准记谱，应该是可以做的

murmur

2023-09-06 12:21:35 +08:00

@junchenghe https://www.bilibili.com/video/BV12m4y1H7ik/?spm_id_from=333.880.my_history.page.click

junchenghe

2023-09-06 13:10:22 +08:00

@murmur 好的，感谢

iX8NEGGn

2023-09-06 14:15:12 +08:00 via iPhone

太难了，钢琴应该是最好处理的了，都无法做到。
比如 2020 年时字节就发了篇钢琴转录的论文，并提供了代码，准确度有百分之九十五以上，虽然生成的 midi 用来听还不错，但想生成人类友好可读的谱子，感觉很难。

tingyunsay

2023-09-06 14:16:30 +08:00

@junchenghe 我倒是真希望有这么个好用的工具出来，现在找一张参考性还不错的谱子太难了，要自己扒谱太耗费时间，mark 一下，楼主加油

iX8NEGGn

2023-09-06 14:42:03 +08:00 via iPhone

音轨分离和音符转录反倒不是最难的，已经有较为成熟的开源项目，最难的反倒是最后一步，如何将提取到的音符的音高和时值转化为谱子。
因为人类弹奏时的时值是不标准的，比如同样是四分音符，前一个按下的可能是 0.5 秒，后一个按下的是 0.3 秒，很难确定该把它量化成四分音符还是十六分音符，时值更短的音符就更会出现这种情况了，这会导致音符对不齐，得到的谱子是错乱的。

murmur

2023-09-06 14:52:13 +08:00

@tingyunsay 其实可以花钱买，yamaha music data 可以买日语歌，tw 的什么著出版社可以买流行歌的谱子，基本都是 1usd 一张的价格

murmur

2023-09-06 14:53:36 +08:00

@iX8NEGGn 这不就是标准的量化么，大概是 15 年前做 midi 的时候还一群人吹牛逼说人的演奏不准确所以 midi 的音符也不应该是固定位置和固定量化，后来这群吹逼的人闭嘴之后所有的乐器都是做了量化的

murmur

2023-09-06 14:55:39 +08:00

这里典型的其实就是精忠报国，这首歌你无论机器测速还是自己 tap tempo 都是测不出整数值的，说明鼓手可能是真的手打出来，后面的流行歌随便找个测速软件都能测出整数

有个例外是锦鲤抄，按 3/4 测速和 6/8 是不一样的，一个是 87.5 一个是 175

iX8NEGGn

2023-09-06 15:00:43 +08:00

@murmur 你能推荐一个将人类弹奏的 midi 量化得比较好的软件吗，就钢琴流行曲五六级级别的曲子就行，我试了很多，没一个量化后能达到友好可读级别的，更别说古典奏鸣曲哪些难度的了。

murmur

2023-09-06 16:01:31 +08:00

@iX8NEGGn 现在的 AI 辅助扒带只能用在抖音级别的口水歌的，我相信 AI 是真的学会了乐理，他能在混音之后根据自己的知识猜出来原来的乐器是哪个套路，再加上口水歌都是套路和弦

古典乐并不适用

cjd6568358

2023-09-06 16:37:21 +08:00

搭车问一个，有没有通过上传钢琴谱生成音频文件的？

murmur

2023-09-06 16:47:27 +08:00

@cjd6568358 上传的钢琴谱没有力度也没有踏板，演奏出来难听的要死

iX8NEGGn

2023-09-06 16:49:01 +08:00

@cjd6568358 你说的钢琴谱如果是指图片形式的谱，那你要找的是 Optical Music Recognition （光学音乐识别）软件，将图片谱转换成数字谱（ musicxml ），然后随便一个打谱软件都能生成音频。我用过的 OMR 软件有：

- 收费
- [CapellaScan （体验较好）]( https://www.capella-software.com/us/index.cfm/products/capella-scan/info-capella-scan/)
- [PhotoScore （体验较好）]( https://www.neuratron.com/photoscore.htm)
-
- [SmartScore （体验一般）]( https://www.musitek.com/)
- [ScanScore （体验一般）]( https://scan-score.com/en/)
-
- [SharpEye （体验较差）]( http://www.visiv.co.uk/)
- [PDFtoMusic Pro （体验较差）]( https://www.myriad-online.com/en/products/pdftomusicpro.htm)
-
- [PlayScore 2 （ IOS 端）]( https://www.playscore.co/)
- 开源
- [Audiveris （ Java ）]( https://github.com/Audiveris/audiveris)
- [Mozart （ Python ）]( https://github.com/aashrafh/Mozart)
- [Oemer （ Python ）]( https://github.com/BreezeWhite/oemer)
- 在线
- [Soundslice （收费，基于深度学习）]( https://soundslice.com)
- [Maestria （收费，基于深度学习）]( https://newzik.com/maestria)

cjd6568358

2023-09-06 17:05:23 +08:00

@murmur 不是会有重音记号和延音记号吗？虽然大概率没有人弹的专业，但是最起码该有的节奏不会错

cjd6568358

2023-09-06 17:05:38 +08:00

@iX8NEGGn 感谢

hesetiema

2023-09-06 17:15:52 +08:00

之前看到过一个在线工具，地址： https://vocalremover.org/zh/splitter-ai

hesetiema

2023-09-06 17:17:22 +08:00

还有类似的，地址： https://songdonkey.ai/

hesetiema

2023-09-06 17:20:20 +08:00

没有深度使用过，但估计复杂的功能还是实现不了

tingyunsay

2023-09-06 17:27:56 +08:00

@murmur 我花钱买谱子花了几百块目前为止，而且能买到的谱子都是大众化的，真的听到那种很想要弹的歌只能自己慢慢扒了，找别人太贵了，几百上千一首歌吧

cnbatch

2023-09-06 20:29:50 +08:00

@iX8NEGGn 古典奏鸣曲就没必要扒谱了吧，找到乐谱的麻烦程度并不高

如果是指现代作曲家创作的新奏鸣曲，那倒是未必能容易地找到乐谱

iX8NEGGn

2023-09-06 20:36:02 +08:00

@cnbatch 我并不是想要说扒古典，而是想说难度稍微大点的就量化不来，只有那些单音儿歌或者套路和弦的曲子才能量化好。

junchenghe

2023-09-07 10:07:48 +08:00

@iX8NEGGn 是的，就是想问问没有做过这方面的朋友

junchenghe

2023-09-07 10:10:19 +08:00

鼓是不是做这方面更简单些啊？