3分钟搞定音频转MIDI：Basic Pitch智能转录工具实战全指南-二趣网

3分钟搞定音频转MIDI：Basic Pitch智能转录工具实战全指南

【免费下载链接】basic-pitchA lightweight yet powerful audio-to-MIDI converter with pitch bend detection项目地址: https://gitcode.com/gh_mirrors/ba/basic-pitch

深夜的录音棚里，吉他手老周盯着屏幕直挠头——他刚录完一段即兴独奏，里面有好几处滑音和揉弦，他想把这段演奏转成MIDI发给编曲搭档。可他试过的几个转录工具要么只能识别单音旋律，要么把和弦处理得一团糟，更别提那些弯音细节，转出来全是呆板的"僵尸音"。直到他遇到Basic Pitch——一个由 Spotify 音频智能实验室开源的音频转MIDI工具，轻量、免费，还自带音高弯曲检测，一首歌从导入到导出MIDI，前后不到三分钟。

它能为你解决什么：旧痛新解

过去把音频变成MIDI，是件让人血压飙升的事：

痛点一：单音限定。老式转录器遇到和弦直接"投降"，一个音一个音地蹦，复杂的和声根本无从下手。
痛点二：滑音丢失。吉他推弦、弦乐滑奏这类连续音高变化，传统工具要么忽略，要么转成一段段生硬的半音阶。
痛点三：模型臃肿。不少专业转录系统需要庞大的模型和高配硬件，普通笔记本跑起来又慢又烫。

Basic Pitch 给出的解法截然不同——它走的是"小而精"的路线：

老问题	新方案
只能转单音	支持多音高检测，和弦、复调照单全收
弯音被抹平	内置音高弯曲检测，滑音、推弦细节完整保留
挑乐器、挑音色	与乐器无关，吉他、钢琴、人声通吃（单乐器表现最佳）
依赖重型算力	模型仅十几兆，CPU 上跑得飞快

换句话说，它把过去专业工作室才有的转录能力，压缩成了一个普通人也能随手用的工具。相关的技术原理发表在 ICASSP 2022 会议上，论文题为《A Lightweight Instrument-Agnostic Model for Polyphonic Note Transcription and Multipitch Estimation》，想深究的读者可以去翻。

快速上手：从零到第一份MIDI

第一步：检查环境

Basic Pitch 对系统相当友好，macOS、Windows、Ubuntu 都支持，Python 3.7 到 3.11 均可。唯一的坑是Mac M1 芯片目前只认 Python 3.10，其他版本请用虚拟机兜底。

第二步：安装

装起来几乎不费力气，一条命令就完事：

pip install basic-pitch

如果你以后想升级，补上--upgrade参数即可。想从源码折腾的朋友，也可以把仓库 clone 下来本地安装：

git clone https://gitcode.com/gh_mirrors/ba/basic-pitch cd basic-pitch pip install -e .

💡 关于模型运行时：Basic Pitch 默认不会强制安装 TensorFlow。Linux 默认配 TensorFlowLite，macOS 默认配 CoreML，Windows 默认配 ONNX。需要 TensorFlow 的话，用pip install basic-pitch[tf]单独加装。

第三步：跑出第一条命令

安装完成后，终端里输入下面的格式，指定一个输出目录和一个音频文件：

basic-pitch <输出目录> <音频文件>

比如：

basic-pitch ./midi_out ./samples/echoes.flac

稍等片刻，你会看到程序打印出一串 ✨ 花字提示，随后midi_out/目录里就出现了echoes_basic_pitch.mid——你的第一份转录成果诞生了。🎉

一次完整的实战演练：把一段钢琴独奏变成MIDI

假设你现在有一份piano_sketch.mp3，想转成可编辑的MIDI。跟着下面的步骤走：

第 1 步：准备干净的输入。优先用单乐器、无背景噪音的录音。多乐器混音不是不能转，但效果会打折扣——记住它的脾气：一次只伺候一件乐器。

第 2 步：限定频率范围。钢琴的音域大约从 27.5 Hz（最低键A0）到 4186 Hz（最高键C8），但人耳能听清、模型最擅长的核心区在 50~2000 Hz。转钢琴时不妨显式指定范围，减少杂讯：

basic-pitch --minimum-frequency 50 --maximum-frequency 2000 ./midi_out ./piano_sketch.mp3

第 3 步：带上附加产物。想同时拿到原始模型输出和音符事件表，方便回头分析，就追加两个开关：

basic-pitch --save-model-outputs --save-note-events ./midi_out ./piano_sketch.mp3

第 4 步：检查结果。此时midi_out/下会多出三类文件：

piano_sketch_basic_pitch.mid——标准的 MIDI 文件，拖进任何 DAW（Logic Pro、Ableton Live、FL Studio）都能打开；
piano_sketch_basic_pitch.npz——模型三层输出（音符、起始点、音高轮廓）的原始数据，适合做研究分析；
piano_sketch_basic_pitch.csv——逐条音符事件，包含起止时间、音高、力度和弯音值，可以直接用 Excel 打开。

第 5 步：导入DAW微调。把 MIDI 拉进工程，量化、改力度、换音色，随你发挥。整个流程熟练后，3 分钟绰绰有余。

如果你更习惯写 Python 代码，而不是敲命令行，basic_pitch/inference.py里提供了现成的函数：

from basic_pitch.inference import predict from basic_pitch import ICASSP_2022_MODEL_PATH model_output, midi_data, note_events = predict("piano_sketch.mp3") midi_data.write("piano_sketch.mid")

批量处理多个文件时，建议先把模型加载一次、在循环里复用，避免反复加载拖慢速度：

from basic_pitch.inference import predict, Model from basic_pitch import ICASSP_2022_MODEL_PATH model = Model(ICASSP_2022_MODEL_PATH) for f in ["a.mp3", "b.mp3", "c.mp3"]: _, midi_data, _ = predict(f, model) midi_data.write(f.replace(".mp3", ".mid"))

核心参数深度讲解：调到最合适的音准

转录质量好不好，参数占一半。Basic Pitch 的 CLI 参数集中在basic_pitch/predict.py中定义，下面是几个决定成败的关键旋钮。

阈值三件套

模型对每一帧音频都会输出"这里是起始点/这里在延续/这里是某个音高"的置信度，阈值就是过滤低置信度的闸门：

参数	默认值	作用	调低效果	调高效果
`--onset-threshold`	0.5	判定"音符开始"的最低置信度	更容易捕捉轻柔的起音，但也更易误报	起音更干净，弱音可能漏掉
`--frame-threshold`	0.3	判定"音符持续"的最低置信度	适合连奏、长音多的曲子	音符更短促，断奏感强
`--minimum-note-length`	127.7ms	过滤掉过短的音符	保留装饰音	过滤碎音，谱面更整洁

实践建议：录音偏柔、气声多，就把--onset-threshold降到 0.4；想消除一堆几毫秒的杂音，把--minimum-note-length提到 150~200ms。

频率与弯音

--minimum-frequency/--maximum-frequency：以 Hz 为单位裁剪音域。吉他solo大致在 82~880 Hz，人声旋律在 80~1000 Hz 附近，对着乐器的真实音域设限能显著提升准确率。
--multiple-pitch-bends：默认情况下，重叠音符共享一条弯音信息；加上这个开关后，每个音高会被映射到独立的 MIDI 轨道，各自拥有独立的弯音曲线——处理复杂滑音时非常有用，代价是 MIDI 文件里会出现多个音轨。
--no-melodia：跳过 Melodia 后处理步骤。这个步骤能提升旋律线的平滑度，但会增加耗时；追求速度时可以关掉，代价是精度可能略降。

输出相关

--sonify-midi：额外生成一份 MIDI 的 WAV 试听文件，方便不用 DAW 也能直接对答案。
--midi-tempo：默认 120 BPM，决定 MIDI 播放时的节拍速度。
--sonification-samplerate：试听 WAV 的采样率，默认 44100 Hz，一般不用动。
--debug-file：写入一份调试 JSON，内含窗口切分、各层输出和最终音符估计，排查问题的一把利器。

另外，模型格式可以手动指定，四种运行时各有千秋：

# 手动指定模型格式 basic-pitch --model-serialization tf ./midi_out ./a.wav basic-pitch --model-serialization coreml ./midi_out ./a.wav basic-pitch --model-serialization onnx ./midi_out ./a.wav basic-pitch --model-serialization tflite ./midi_out ./a.wav

格式	加载优先级	适用场景
TensorFlow	第一顺位	功能最完整，桌面研究首选
CoreML	第二顺位	macOS/iOS 生态
TensorFlowLite	第三顺位	移动端、低资源设备
ONNX	第四顺位	跨平台部署

模型文件就放在basic_pitch/saved_models/icassp_2022/目录下，四种格式一应俱全。

进阶玩法：和真实工作流的三种结合

场景一：批量整理旧录音素材

手头有一堆 WAV/MP3 老录音要归档成 MIDI？命令行天然支持多文件：

basic-pitch --save-note-events ./archive ./tape1.wav ./tape2.mp3 ./tape3.flac

一次投喂多个文件，程序逐个处理，再配合 CSV 音符事件，你可以快速给每段素材做"内容摘要"，建一个可检索的音符级索引库。

场景二：音乐教学中的乐谱还原

老师想让学生练习某段示范音频的旋律，可以用频率限制把人声或乐器分离出来先转录，再导出 CSV 统计音高分布、节奏特征，把"听写"变成"对照"。核心步骤就是前面实战演练里的三件套命令，配合--save-note-events输出，分析起来相当顺手。

场景三：嵌入自己的Python工具链

如果你在写一个"音频→乐谱→自动伴奏"的小程序，predict()返回的三样东西正好够用：model_output是原始三层输出（basic_pitch/note_creation.py里的model_output_to_notes()可以继续深加工），midi_data是可直接落盘的 PrettyMIDI 对象，note_events是逐音符数据。批量场景记得复用Model实例，否则每次调用都要重载模型，慢得让人抓狂。

踩坑与排查手册

症状一：报错 "not a file path" / "does not exist"

诊断：输入路径写错，或文件不在指定位置。
药方：检查路径拼写和引号；把音频和输出目录都换成绝对路径再试。注意输出目录必须提前创建好。

症状二：提示 "already exists and would be overwritten"

诊断：输出目录里已经有同名文件，工具拒绝覆盖。
药方：换个输出目录，或先手动清掉旧文件（记得别用危险命令，手动在文件管理器里删即可）。

症状三：模型加载失败 / 找不到运行时

诊断：当前环境缺少对应模型格式的推理库。
药方：按需补装——TensorFlow 用pip install basic-pitch[tf]，CoreML 用pip install 'basic-pitch[coreml]'，ONNX 用pip install 'basic-pitch[onnx]'；实在不行就pip install basic-pitch --force-reinstall整体重来一遍。

症状四：转录结果杂音多、错音多

诊断：大概率是输入太"脏"，或参数没卡好。
药方：优先换更清晰的单乐器录音；再依次尝试收紧--onset-threshold、提高--minimum-note-length、用--minimum-frequency/--maximum-frequency锁死音域。这三板斧能解决大部分"糊"的问题。

症状五：处理大文件很慢

诊断：模型内部按 2 秒窗口滑动处理音频，文件越长耗时越线性上升；Melodia 后处理也吃时间。
药方：加--no-melodia跳过平滑步骤；把长音频先切成若干段分批转录；磁盘空间不足时优先处理更短的片段。

总结与行动清单

至此你应该明白了：Basic Pitch 是个"麻雀虽小五脏俱全"的音频转MIDI神器——多音高、弯音、乐器无关三大看家本领齐活，安装只要一条命令，四种模型格式随取随用，还能用几个阈值参数把精度调到舒服的位置。它可能不是功能最花哨的转录器，但绝对是最容易上手的那一个。

现在就可以动手的四件事：

装起来：跑一次pip install basic-pitch，然后拿你手机里随便一段录音试转。
调一遍参数：用--onset-threshold、--frame-threshold、--minimum-note-length各转一遍同一段音频，对比差异，建立手感。
写个小脚本：调用predict()把你的音频目录批量转成 MIDI，顺便用--save-note-events生成 CSV 分析报告。
深入源码：读一读basic_pitch/inference.py（推理管线）、basic_pitch/note_creation.py（音符合成）、basic_pitch/predict.py（命令行入口），再对照tests/目录下的测试用例理解行为，你就能把它改造成自己的转录工具箱。

资源参考：

官方文档：README.md
命令行入口：basic_pitch/predict.py
推理与保存逻辑：basic_pitch/inference.py
音符事件与MIDI生成：basic_pitch/note_creation.py
模型文件目录：basic_pitch/saved_models/icassp_2022/
测试用例：tests/

【免费下载链接】basic-pitchA lightweight yet powerful audio-to-MIDI converter with pitch bend detection项目地址: https://gitcode.com/gh_mirrors/ba/basic-pitch

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析