本文是最好用的扒谱和乐谱工具指南的一部分。
把音频转成 MIDI，就是把一段录音变成一串音符信息：音高、起始时间、时值、力度。有了 MIDI，你就能逐个改音符、换乐器、生成乐谱，或者把数据导进任何一款 DAW。这是最基础的一种转换。2026 年转得好的那些工具，比两年前能找到的都明显强了一截。
写这篇的是天天用这些工具的乐手，所以重点放在实际怎么转、哪些地方要取舍、什么情况用什么工具。
“音频转 MIDI”到底是什么意思
一段音频是连续的波形，记录的是气压随时间的变化。MIDI 正好相反，是一个个独立的事件，每个都有确切的音高和时间点。在两者之间转换，就得替音频回答一些它自己回答不了的问题。这个音到底从哪儿开始？这一下起伏是另一个音，还是长音上的颤音？演奏的人弹的是降 B，还是一个稍微偏低的 B？
现在的音频转 MIDI 工具用的是机器学习模型，训练数据是数百万小时的音频，每段都配着准确的 MIDI。模型见过的例子够多，做这些判断时已经和人工扒谱差不多了。当然还谈不上完美，也没有哪个模型能做到，但差距已经小到让工作流程变了样：以前是“先用耳朵扒，再拿工具核对”，现在是“先让工具转一遍，再动手修整”。
单音转换和复音转换
这两种转换要解决的问题不一样。单音转换处理同一时间只有一个音的素材：人声、主音吉他、萨克斯，或者对着手机吹的一段口哨旋律。工具要判断音高和时间，但从来不用把叠在一起的音拆开。
复音转换处理同时响好几个音的素材：钢琴、吉他和弦、整首混音。这就难多了。模型得认出和弦里的每一个音；素材里乐器不止一件时，还得判断哪个音属于哪件乐器；一个音的余音拖进下一个音，这种部分重叠也得处理好。复音转换这几年进步很大，不过素材干净一些，效果还是会更好。
2026 年好用的工具
列清单之前得先交代一句：Songscription 是我们做的，把它排在第一位，我们自己是有利益在里面的。我们会尽量写得公道，别的工具更合适的情况也照实写。哪个好用，你自己试过就知道；我们能做的，是把每个工具强在哪、弱在哪讲清楚。
Songscription
Songscription 按乐器分别建模，只做模型质量最高的少数几种乐器：钢琴最强，另外还有原声吉他、鼓、小提琴、长笛、萨克斯、小号、贝斯等几种乐器的模型。它能处理复音输入，比如完整的钢琴录音、吉他和弦和混音，可以同时导出 MIDI 和 MusicXML。平台里自带乐谱和钢琴卷帘编辑器，你可以对着原始音频来回拖动查看结果，模型哪里转错了，不用离开平台就能改。修整结果的时候，最用得上的就是这个编辑器。如果你要的是乐谱，而不只是一个 MIDI 文件，后面还能接着做改编和难度调整。
Klangio
Klangio 也是按乐器分别转谱，覆盖的乐器比 Songscription 稍多一些，另外还有 API 和 DAW 插件，这是两者功能上最大的区别。如果你要把音频转 MIDI 做进自己的软件，或者想让它直接在 DAW 里用，不另开一个网页应用，Klangio 就是照这种用法准备的。在两者都支持的乐器上，Songscription 转出来的结果往往更干净，钢琴尤其明显。
Logic Pro 的 Flex Pitch（以及其他 DAW 里的类似功能）
现在大多数 DAW 都带某种形式的音频转 MIDI。它们一般最擅长单音素材，比如对着麦克风哼一段旋律，或者转一条人声旋律线。只要是复音素材，专门的工具通常都比 DAW 自带的功能好出一截。
Basic Pitch（Spotify 的开源模型）
免费，开源。Basic Pitch 是一个在本地运行的复音模型，素材干净的话，能转出还算像样的 MIDI。准确度比不上领先的商业工具，但它免费，还能离线用，有些工作流程就需要这一点。如果你想快速转一段做个起点，又不想把音频传到任何地方，可以记住这个工具。
怎样把效果做到最好
用手上最干净的素材
同一架钢琴，录音棚里录的比在嘈杂房间里用手机录的转得好得多。背景噪音、房间反射和压缩带来的失真，都会把模型搞糊涂。如果你拿得到原始分轨或者高质量的录音，就用它们。
整首混音先分轨再转
如果你要转的是一整首录音，而且你有权使用它，先把各件乐器分开会有帮助。把混音放进分轨工具（比如 Moises、LALAL.AI 之类）过一遍，再把每件乐器单独转。只含钢琴的那条分轨，转出来的 MIDI 会比把整首混音丢给钢琴转谱工具好得多。
按素材挑对工具
人声旋律和钢琴演奏需要不同的模型。有些工具给不同乐器准备了单独的转谱模型，有些没有。拿钢琴专用的模型去转吉他录音，效果会比通用工具还差，因为模型对乐器做的那些假设在这里不成立。
转完要留时间修整
再好的工具，转出来的 MIDI 也最好让人过一遍。常见的修整有这几样：删掉多出来的短音（素材有噪音时留下的杂音），改掉低音上的八度错误，还有音被截得太短或拖得太长的地方，把时值调好。每首歌预留 10–20 分钟来改，就能拿到能用的东西。
从 MIDI 到乐谱
有了 MIDI 以后，生成乐谱是另一件事，有它自己要做的决定：量化、左右手分配、调号和拍号、演奏法记号。有些工具把音频转 MIDI、MIDI 转乐谱做成一条流水线，有些只做到 MIDI 为止。如果你的目标是乐谱，可以看我们这篇把 MIDI 转成乐谱的指南，了解导出 MIDI 以后要做什么；我们还整理了最好用的 MIDI 转乐谱工具，比较各个程序在你还没动手改的时候，能把 MIDI 排成多干净的乐谱。
相关指南
这篇是我们音频转 MIDI 系列的总览。弄懂基础以后，想深入可以看下面这些，按你要做的事分了组：
- 从某个来源转换：把 YouTube 视频转成 MIDI（适用于你有权使用的音频），以及把你自己的录音转成 MIDI。
- 挑一款转换工具：最好用的音频转 MIDI 工具，以及 Songscription 和 Basic Pitch 对比。
- 给制作人：从唱片里还原音色，以及给制作人的 AI 音乐工具。
- 转 MP3：怎样把 MP3 转成 MIDI。
- 转视频文件：mp4 转 MIDI 工具会自动从 mp4、mov 或 webm 文件里提取音频，并导出 .mid 文件。
- 从乐谱起步：乐谱转 MIDI 工具会把你上传的 MusicXML 文件直接转成 MIDI。
- 在 DAW 里用：Ableton Live、GarageBand，以及 Logic Pro 和 FL Studio。
- 整理结果：音频转完以后怎样清理 MIDI。
写在最后
音频转 MIDI 现在已经可靠到能放进实际的工作流程里了。剩下的局限大多出在素材质量上。给好模型一段干净的录音，几秒钟就能拿到能用的 MIDI。给它一段隔着半个房间用手机录的音频，工具再好，结果也得花工夫改。
工具进步到现在，最费时间的已经不是转换本身，而是想清楚拿结果做什么。制作人要的是能直接拖进 DAW 的 MIDI。作曲的人要的是能编辑的乐谱。音乐老师要的是能交给学生的东西。同一个音频文件，最后变成三样不同的东西。不管走哪条流程，有了这些工具，转换这一步都不会再拖慢进度。
常见问题
把音频转成 MIDI 是在做什么？
把音频转成 MIDI，就是把一段录音变成一串音符信息：音高、起始时间、时值和力度。有了 MIDI，你就能逐个改音符、换乐器、生成乐谱，或者把数据导进任何一款 DAW。这是最基础的一种转换，2026 年好一点的工具几秒钟就能转完。
单音转换和复音转换有什么区别？
单音转换处理同一时间只有一个音的素材，比如人声、主音吉他，或者对着手机吹的一段口哨旋律，工具只需要判断音高和时间。复音转换处理同时响好几个音的素材，比如钢琴、吉他和弦或整首混音，难度大得多，因为模型得把和弦里的每个音都认出来。复音转换这几年进步很大，不过素材干净一些，效果还是会更好。
怎样把音频转 MIDI 的效果做到最好？
先用手上最干净的素材，录音棚里录的比在嘈杂房间里用手机录的转得好得多。整首混音先分成分轨再转，挑一个模型对得上这件乐器的工具，转完还要留出修整的时间。每首歌预留 10–20 分钟，把多出来的音、八度错误和时值改好，就能拿到能用的结果。
