本文属于我们的扒谱工具选择指南系列。
光靠它们自己不行。Gemini 和 Claude 都没法听一段录音就写出准确的乐谱，也都没法把印刷乐谱一个音不差地读出来。现在这两个模型都比单纯的文字聊天机器人强多了：Gemini 能接收音频和图片，Claude 能接收图片和文字，你能交给它们的东西早就不止是文字。但它们调教的方向是理解，比如把说话转成文字、描述一张图、围绕文字做推理。记谱要的是信号处理，这方面它们没练过。让其中任何一个扒一首歌，你会拿到一个流畅又自信的回答，里面满是从来没人弹过的音。
这也不代表它们在音乐上毫无用处。涉及文字的那一半，两个都很强：讲乐理，聊你贴进来的谱子，建议一个和弦进行，写一条单声部旋律的草稿，排一份练习计划。你要做的是分清这活儿哪一半是语言（它们帮得上），哪一半是从音频到乐谱（得用专门的工具），然后各用各的。
Gemini 和 Claude 在音乐上能做什么
两个模型早就不只会处理文字了。Gemini 是原生多模态的：你上传一个音频文件，它能把里面的话转成文字、总结录音内容、分辨是谁在说话，还能回答跟说话内容有关的问题。它也接收图片。Claude 接收文字和图片，你给它照片或文档，它都能读。所以给哪个看一张乐谱图片，它都能看完再回应。文件它们收得下，难的是把文件变成准确的记谱，这需要专门练过的本事。
在文字和乐理的范围里，两个都帮得上忙：
- 讲乐理。 问它一个和弦进行为什么这样解决，三全音替代是什么，或者小调音阶怎么配和声，你会得到清楚、大体可靠的解释。
- 讨论你以文字形式贴进来的谱子。 给它 ABC 记谱、和弦谱，或者用文字描述的一段音乐，它能说出用了哪些和弦，讲讲这段音乐是怎么回事，还能建议怎么改。
- 建议和弦进行。 描述一种情绪或者给一个调，它会拿出几种和弦进行、重配和声的方案，或者一条可以试试的低音线。
- 写一条单声部旋律的草稿。 你用文字描述一段曲调，它能用 ABC 这类文本记谱写出来，你再粘贴进打谱软件。
这几件事有个共同点：起点都是文字或描述，有用的产出也是文字。模型是在对音乐符号做推理，并没有把声音或印刷的谱页转成准确的音符。一旦任务变成“这是一段录音，给我乐谱”，两个都应付不来。
它们为什么扒不了录音
把音频变成记谱是个信号处理问题，而且很难。你得测出每个音的音高，找准每个音从哪一刻开始、到哪一刻停，把重叠的音分开（和弦里或整首混音里的复音），把时间量化成读得懂的节奏，最后才能配上正确的调号和拍号，写到谱表上。每一步都需要一个专门用音频训练过的模型。Gemini 听音频的本事是冲着语音练的，关心的是说了什么词、谁在说、什么意思，并不负责把同时响起的音高和起音拆开。Claude 压根不接收音频文件，要让它“听”一首歌，只能先另外转录一遍。
读印刷乐谱是同一个坑换了个样子。研究人员直接拿这项任务做基准测试，发现模型认谱面符号的准确率非常高，可大多数时候还是把它们转成了错的音符。它们会退回到均匀的四分音符和音阶式的走句，因为它们猜的时候依赖的是文字规律，而不是眼前真正的音乐。所以就算模型把谱页“看”得清清楚楚，它报出来的音高和节奏也会偏离谱上写的东西。
你要是非让它们扒，两个都会做语言模型拿不准时会做的事：给出一个流畅、自信、看着像乐谱的回答，里面满是没人弹过的音。这种输出读起来很权威，错处不容易发现，比干脆给不出答案还麻烦。想全面了解真正的扒谱要经过哪些环节，可以看我们的讲解文章《AI 扒谱是怎么工作的》，里面把每个阶段都走了一遍。通用模型为什么偏偏栽在重叠的音上，《单音扒谱和复音扒谱》里有讲。
该用什么
从音频到乐谱这一步，就用专门为这件事做的工具。用 Songscription 的流程很简单：上传一个音频文件，或者粘贴一个视频链接，模型会检测出音符，给你可以编辑的乐谱，同时附上 MIDI、MusicXML、Guitar Pro 格式的指法谱，还有一个可以放慢来核对结果的交互式钢琴卷帘。不用手动一个个输入音符，导出之前还能在浏览器里把错音改掉。
第一遍扒完以后，这几个功能就用得上了。它会自动把钢琴声部分成左右两只手，也就是高音谱表和低音谱表，不会把所有音混成一条。它能从整首混音里单独分出一件乐器，所以编配复杂的歌最好一次扒一件乐器。你可以在内置编辑器里移调到任何调；编配模式能把一首很密的曲子简化成更容易弹的版本，也能为原曲里没有的乐器写一条单声部旋律。Gemini 和 Claude 给你的是一段关于这首歌的文字，这个工具给你的是一个能照着弹、还能接着改的文件。
准确度也要有个合理的预期。干净的独奏素材，比如单独一台钢琴、一把吉他或一条人声，扒出来比很多乐器同时叠在一起的整支乐队混音准得多。自动扒谱能很快帮你完成大部分工作，结果你还是得过一遍，把扒错的地方改掉。要做细致的排版，就导出 MusicXML，在 MuseScore 这类打谱软件里收尾。有的歌扒得很干净，有的歌怎么扒都别扭，原因是另一个话题，《AI 扒谱准确度为什么时高时低》里专门讲过。
Gemini 和 Claude 还能帮上忙的地方
乐谱到手以后，两个模型又有用了，因为这时候的活儿回到了文字和推理上。面前已经有乐谱、和弦谱，或者从 MIDI 里得出的和弦，它们哪个都能：
- 讲一个难懂的和弦。 把和弦符号贴进去，问它由哪些音组成、起什么作用、上面配什么音阶。
- 出指法的主意。 描述一段音乐和你弹的乐器，让它给个合理的指法或手的位置试试。
- 做练习计划。 告诉它是哪首曲子、你的水平、你有多少时间，它会排出一套有条理的练法。
- 把你心里已有的旋律写成文本记谱。 你已经能描述或唱出这段曲调的话，它会用 ABC 写出来，你拖进打谱软件就行。
扒谱模型把声音变成音符；拿到这些音符以后，Gemini 和 Claude 帮你弄懂它们、练熟它们。两样搭着用，先把录音变成乐谱，再借它们学着把曲子弹下来。AI 关于一首曲子能告诉你什么、不能告诉你什么，可以看《AI 能不能告诉你一首歌怎么弹》；OpenAI 的模型能不能做同样的事，可以看《ChatGPT 能不能做乐谱》。
常见问题
Gemini 能读乐谱吗？
只能读个大概。Gemini 能接收图片，你给它一张乐谱照片或一份 PDF，它能笼统地描述一下，说出是什么调，或者看出某一段音很密。它靠不住的地方在于把谱上的音一个一个读下来，再把正确的音高和节奏交给你。专门测这项任务的基准测试显示，模型就算认符号认得很准，真正转成音符时大多数还是会错，常常退回成一串均匀的四分音符和像音阶一样的走句。它对印刷乐谱的解读，当作粗略的概括看就好，别当成准确的扒谱结果。
Claude 能把一首歌扒成谱吗？
从录音扒不了。Claude 处理的是文字和图片，你把谱子以文字形式贴给它，比如 ABC 记谱或和弦谱，它能跟你讨论；它也能讲和声，还能照你的文字描述写出一条简单的单声部旋律。可你给它一个音频文件，它变不出准确的乐谱。把声音变成音符属于信号处理问题，要做音高检测，判断每个音从哪一刻起，还要把同时发声的音分开。这些是专门的扒谱工具做的事，聊天模型不做。
Gemini 或 Claude 能从音频做出 MIDI 文件吗？
从录音做不了。MIDI 文件需要先从音频里把音符检测出来，这两个模型都不做这一步，所以让它们听一首歌再输出 MIDI，得到的数据看着很笃定，其实是错的。你用文字描述一段旋律的话，模型也许能写出一小段文本记谱，你再拿去转成 MIDI。要从一段真实录音得到真正的 MIDI，就得用专门的音频转 MIDI 工具，它会检测音符，直接导出文件。
把一首歌变成乐谱，最好的办法是什么？
用专门做扒谱的 AI 工具。导入音频文件或链接，它会输出可以编辑的乐谱、MIDI 和钢琴卷帘，之后你再手动把结果修一遍。自动扒谱很快就能帮你完成大部分工作，干净的独奏素材扒出来也比整支乐队混在一起的录音准。要做最终排版的话，导出 MusicXML，在打谱软件里收尾。
想把录音变成乐谱，就从音频转乐谱开始：上传这首歌或者粘贴链接，先在浏览器里编辑结果，再导出。
