# Audio to MIDI

> 把 MP3、鋼琴或吉他錄音，甚至隨口哼的旋律轉成 MIDI 檔。AI 辨識音符，鋼琴捲簾上看得到，靈敏度、音域、彎音都能調，還能左右對照原音。免費，音訊不會上傳。

- URL: https://bytescope.dev/zh-Hant/audio-to-midi/
- Locale: zh-Hant · Also: [en](https://bytescope.dev/en/audio-to-midi.md) · [ja](https://bytescope.dev/ja/audio-to-midi.md)
- Runs: 檔案不會離開你的瀏覽器 — 全部在本機處理。
- Requires: Any modern browser (Chrome, Edge, Firefox, Safari), desktop and mobile.
- Updated: 2026-09-08

## What it does

音訊轉 MIDI 會從錄音裡抓出「彈了哪個音、什麼時候開始、持續多久、按得多用力」。把鋼琴或吉他的演奏弄進 DAW 換音色、把哼出來的旋律先記下來、或是把正在練的曲子的旋律抓出來對照，都用得上。模型是 Spotify 的 Basic Pitch（Apache-2.0），整個在這個分頁裡執行，錄音不會離開你的瀏覽器。

### 從聲音到音符

頁面會先解碼檔案、轉成 22,050 Hz 單聲道，再切成前後有重疊的短片段交給模型。模型大約每 11 毫秒就針對鋼琴的 88 個琴鍵各給一個數字：這個音現在是不是在響、是不是剛剛才開始。接著由你的設定把這些數字整理成音符：靈敏度決定起音要多明顯才算，延音門檻決定音符在哪裡結束，最短音符和音域則把雜訊般的短音濾掉。調整設定只會重做最後這一步，所以鋼琴捲簾馬上更新。結果可以用簡單的合成音播放，也可以左耳聽原音、右耳聽 MIDI，哪些音沒抓到一聽就知道。

### 做不到的事

最適合的是一個樂器、錄得乾淨的聲音。整首混音（鼓、貝斯、人聲一起）轉出來會很亂，建議先把要的那一軌分離出來。鼓和其他沒有音高的聲音不會變成音符。速度和小節線是猜的，或是你自己輸入的：音符照實際演奏的時間放，不會自動對齊拍子，需要的話請在 DAW 裡量化。輸出是 MIDI，不是五線譜。彎音以 2 個半音的範圍寫入，有些音源會直接忽略。

### 會下載什麼、留下什麼

第一次使用時會下載音符模型（230 KB），以及執行它的 ONNX Runtime（WebAssembly，約 13 MB，來自 jsDelivr CDN），之後瀏覽器會幫你留著。你的音訊沒有任何上傳的地方。可以處理最長 10 分鐘的音訊，運算在背景執行，隨時能取消。下載的 .mid 是單軌的標準 MIDI 檔，速度照你選的寫入，檔名沿用原檔名。

## Limits

Does not write sheet music, does not transcribe drums or other unpitched sounds, does not separate instruments from a full mix, does not snap notes to the beat, and does not upload audio.

## FAQ

### 我的音訊會被上傳嗎？

不會。解碼、辨識到轉成 MIDI 都在這個分頁裡完成，網站也沒有接收音訊的上傳端點。要下載的只有 230 KB 的音符模型和 ONNX Runtime，你的音訊不在這些請求裡。想自己驗證的話，打開 DevTools 的 Network 分頁看就知道。

### 第一次使用會下載什麼？

從這個網站下載音符模型（一個 230 KB 的檔案），再加上執行它的 ONNX Runtime（WebAssembly，約 13 MB，來自 jsDelivr CDN）。兩個都會快取起來，下一段就不用等。

### 整首歌轉出來為什麼亂七八糟？

這個模型是設計來一次追一個樂器的。鼓、貝斯、和弦、人聲同時在響，它會把好幾個樂器的音混在一起抓，還會從雜訊裡「聽」出不存在的音。要轉整首歌的話，請先把想要的部分（例如鋼琴或主旋律人聲）分離出來，再單獨轉換。

### 可以轉出鼓譜或五線譜嗎？

兩個都不行。鼓和其他沒有明確音高的聲音會被忽略，輸出也是 MIDI 檔，不是 PDF 樂譜。你可以把檔案拿到 MuseScore 之類的打譜軟體裡開啟再整理。

### 各項設定是在調什麼？

靈敏度是新音的起音要多明顯才算一個音：調高會抓到更輕、更弱的音，但誤判也變多。延音門檻是音要維持多強才算還在響，數值越高，音結束得越早。最短音符會丟掉比它更短的音，最低音和最高音則忽略範圍外的所有聲音。彎音會把音符中間的滑音和顫音寫進去；如果你的樂器加了彎音聽起來走音，就把它關掉。

### 為什麼音符沒有對齊拍子？

這一頁不知道拍子在哪裡。它把每個音放在實際彈奏的時間，再用你選的速度寫成檔案：預設 120 BPM、從音訊量出來的速度，或是 20 到 300 之間自己輸入的數字。速度選得和音樂相符，音符就會落在 DAW 格線附近，剩下的交給 DAW 的量化功能。

### 可以用麥克風錄音或哼歌嗎？

可以。按「錄音」，彈奏或哼唱，再按「停止」，錄好的聲音會走和檔案一樣的流程。回音消除和降噪都是關閉的，聲音不會先被動過手腳。瀏覽器會先問你要不要允許，錄滿 10 分鐘會自動停止。哼歌的時候，一次一個音、唱得穩一點，效果最好。

### 音訊最長可以多久？要等多久？

最長 10 分鐘，更長的會在開始處理之前就被拒絕。模型在 CPU 上執行，所以音訊越長等得越久。畫面會顯示進度，按「取消」馬上就停。處理完之後再拉滑桿很快，因為不會重跑模型。

## Related tools

- [BPM & Key Finder](https://bytescope.dev/zh-Hant/bpm-key-finder.md) — 先量出歌曲的 BPM 和調性，再回來這裡設定速度。
- [MIDI Tester & Monitor](https://bytescope.dev/zh-Hant/midi-test.md) — 接上 MIDI 鍵盤或控制器，即時看到每一則訊息。