Der komplette Leitfaden zum Umwandeln von Audio in MIDI

Dieser Artikel gehört zu unserem Überblick über die besten Tools für Musiktranskription und Noten.

Wenn du Audio in MIDI umwandelst, wird aus einer Aufnahme eine Liste von Noten mit Tonhöhe, Startzeit, Dauer und Anschlagstärke. Mit MIDI kannst du einzelne Töne bearbeiten, Instrumente austauschen, Noten erzeugen oder die Daten in jede beliebige DAW laden. Die Umwandlung ist ein grundlegender Arbeitsschritt, und die Tools, die sie 2026 gut beherrschen, sind spürbar besser als alles, was es vor zwei Jahren gab.

Wir gehen das Thema hier so durch, wie es für Leute aussieht, die selbst Musik machen: wie die Umwandlung funktioniert, wo die Kompromisse liegen und welches Tool in welcher Situation passt.

Was „Audio in MIDI“ eigentlich bedeutet

Audio ist eine durchgehende Wellenform, also eine Aufzeichnung von Druckschwankungen über die Zeit. MIDI besteht dagegen aus einzelnen Ereignissen mit exakten Tonhöhen und Zeitstempeln. Wer das eine ins andere übersetzt, muss Fragen entscheiden, die das Audio von sich aus nicht beantwortet. Wo genau fängt dieser Ton an? Ist die Schwankung da ein eigener Ton oder Vibrato auf einem gehaltenen Ton? Spielt die Person ein B oder ein etwas zu tiefes H?

Aktuelle Tools für Audio-zu-MIDI arbeiten mit Machine-Learning-Modellen, die mit Millionen Stunden Audio und den jeweils exakt passenden MIDI-Daten trainiert wurden. Sie haben genug Beispiele gesehen, um solche Fragen so zu entscheiden, wie es auch ein Mensch beim Transkribieren tun würde. Perfekt sind sie nicht, das ist kein Modell. Sie liegen aber so nah dran, dass sich der Ablauf umgedreht hat: Früher hat man nach Gehör transkribiert und mit dem Tool nachgeprüft, heute lässt man zuerst das Tool laufen und räumt danach auf.

Monophone und polyphone Umwandlung

Die beiden muss man auseinanderhalten, weil dahinter ganz unterschiedliche Probleme stecken. Eine monophone Umwandlung ist für Material gedacht, in dem immer nur ein Ton gleichzeitig klingt: Gesang, Leadgitarre, Saxofon, eine Melodie, die du ins Handy pfeifst. Das Tool muss Tonhöhe und Timing bestimmen, aber nie Töne auseinandersortieren, die sich überlagern.

Eine polyphone Umwandlung verarbeitet Material, in dem mehrere Töne gleichzeitig klingen, also Klavier, Gitarrenakkorde oder komplette Mixe. Das ist deutlich schwieriger. Das Modell muss jeden Ton in einem Akkord erkennen, bei mehreren Instrumenten entscheiden, welcher Ton zu welchem Instrument gehört, und mit Überlappungen klarkommen, wenn ein Ton noch in den nächsten hineinklingt. In den letzten Jahren ist polyphone Umwandlung enorm besser geworden. Sauberes Ausgangsmaterial hilft aber immer noch.

Tools, die 2026 funktionieren

Eins vorweg: Songscription ist unser eigenes Produkt, und wir haben natürlich ein Interesse daran, es hier zuerst zu nennen. Wir bleiben trotzdem so fair, wie wir können, und sagen auch, wo ein anderes Tool die bessere Wahl ist. Am Ende testest du ohnehin selbst und ziehst deine eigenen Schlüsse. Wir können dir aber klar sagen, wo jedes Tool stark ist und wo es schwächelt.

Songscription

Songscription arbeitet mit eigenen Modellen pro Instrument und konzentriert sich auf eine kleinere Auswahl von Instrumenten, bei denen die Modelle am besten sind. Am stärksten ist Klavier. Dazu kommen Modelle für Akustikgitarre, Schlagzeug, Geige, Querflöte, Saxofon, Trompete, Bass und ein paar weitere Instrumente. Songscription kommt mit polyphonem Material zurecht, etwa mit kompletten Klavieraufnahmen, Gitarrenakkorden oder gemischtem Audio, und exportiert sowohl MIDI als auch MusicXML. Im integrierten Noten- und Piano-Roll-Editor gehst du das Ergebnis direkt neben der Originalaufnahme durch und korrigierst alles, was das Modell falsch erkannt hat, ohne die Plattform zu verlassen. Beim Aufräumen des Ergebnisses macht genau das den größten Unterschied. Und wenn du Noten brauchst und nicht nur eine MIDI-Datei, kannst du danach arrangieren und den Schwierigkeitsgrad anpassen.

Klangio

Klangio hat ebenfalls eigene Transkriptionsmodelle pro Instrument, und zwar für etwas mehr Instrumente als Songscription. Bei den Funktionen liegt der größte Unterschied darin, dass Klangio eine API und DAW-Plug-ins hat. Willst du Audio-zu-MIDI in deine eigene Software einbauen oder die Umwandlung lieber direkt in deiner DAW haben als in einer separaten Web-App, passt Klangio genau dazu. Bei den Instrumenten, die beide Produkte abdecken, liefert Songscription meist sauberere Ergebnisse, besonders bei Klavier.

Flex Pitch in Logic Pro (und ähnliche DAW-Funktionen)

Die meisten aktuellen DAWs können Audio in irgendeiner Form in MIDI umwandeln. Am besten klappt das meist mit monophonem Material, wenn du zum Beispiel eine Melodie ins Mikrofon summst oder eine Gesangslinie umwandelst. Bei allem Polyphonen schneiden spezialisierte Tools in der Regel spürbar besser ab als die DAW-Funktionen.

Basic Pitch (das Open-Source-Modell von Spotify)

Basic Pitch ist kostenlos und Open Source. Das polyphone Modell läuft lokal auf deinem Rechner und macht aus sauberen Aufnahmen brauchbares MIDI. So genau wie die führenden kommerziellen Tools ist es nicht. Dafür kostet es nichts und läuft offline, und für manche Arbeitsweisen ist das wichtig. Wenn du für eine schnelle Umwandlung einen Ausgangspunkt brauchst und dein Audio nirgends hochladen willst, solltest du es kennen.

So bekommst du die besten Ergebnisse

Nimm die sauberste Aufnahme, die du hast

Eine Studioaufnahme von einem Klavier lässt sich viel besser transkribieren als eine Handyaufnahme desselben Klaviers in einem lauten Raum. Hintergrundgeräusche, Raumhall und Kompressionsartefakte bringen das Modell durcheinander. Hast du Zugriff auf die originalen Einzelspuren oder eine hochwertige Aufnahme, dann nimm die.

Teil komplette Mixe vor dem Transkribieren in Spuren auf

Wenn du eine komplette Aufnahme umwandelst, die du verwenden darfst, kann es helfen, die Instrumente vorher voneinander zu trennen. Lass den Mix durch ein Tool zur Spurtrennung laufen, etwa Moises, LALAL.AI oder etwas Vergleichbares, und transkribiere danach jedes Instrument einzeln. Aus der reinen Klavierspur wird eine viel bessere MIDI-Datei, als wenn du den ganzen Mix in ein Klaviermodell gibst.

Wähl das passende Tool für dein Material

Eine Gesangsmelodie braucht ein anderes Modell als ein Klavierstück. Manche Tools haben eigene Transkriptionsmodelle für verschiedene Instrumente, andere nicht. Ein Klaviermodell liefert bei einer Gitarrenaufnahme schlechtere Ergebnisse als ein allgemeines Tool, weil es von Eigenschaften des Klaviers ausgeht, die bei der Gitarre nicht zutreffen.

Plan Zeit fürs Aufräumen ein

Auch bei den besten Tools lohnt sich danach eine Runde Handarbeit am MIDI. Meist entfernst du kurze Fehltöne, die durch eine verrauschte Aufnahme entstehen, korrigierst Oktavfehler bei Basstönen und passt Notenlängen an, wo das Tool einen Ton zu früh beendet oder zu lang gehalten hat. Rechne mit 10–20 Minuten Bearbeitung pro Song, dann hast du etwas Brauchbares.

Von MIDI zu Noten

Sobald du MIDI hast, ist der Weg zu Noten eine eigene Aufgabe mit eigenen Entscheidungen: Quantisierung, Aufteilung auf linke und rechte Hand, Tonart und Taktart, Artikulation. Manche Tools erledigen Audio → MIDI → Noten in einem Durchgang, andere hören bei MIDI auf. Wenn du am Ende Noten willst, erklärt unser Leitfaden zum Umwandeln von MIDI in Noten, was nach dem MIDI-Export passiert. In unserem Vergleich der besten Programme, die MIDI in Noten umwandeln, siehst du, wie sauber die einzelnen Programme dein MIDI als Noten darstellen, bevor du mit dem Korrigieren anfängst.

Von diesem Leitfaden aus erreichst du alle unsere Artikel zu Audio und MIDI. Wenn du die Grundlagen kennst, findest du hier die Vertiefungen, sortiert nach dem, was du gerade vorhast:

Aus einer Quelle umwandeln: ein YouTube-Video in MIDI umwandeln (für Audio, das du verwenden darfst) und eigene Aufnahmen in MIDI umwandeln.
Einen Konverter auswählen: die besten Konverter für Audio in MIDI und Songscription und Basic Pitch im Vergleich.
Fürs Produzieren: Sounds aus einer Platte nachbauen und KI-Musiktools fürs Produzieren.
Eine MP3 umwandeln: so wandelst du eine MP3-Datei in MIDI um.
Eine Videodatei umwandeln: Der Konverter für MP4 in MIDI holt das Audio automatisch aus einer MP4-, MOV- oder WebM-Datei und exportiert die .mid-Datei.
Von Noten ausgehen: Der Konverter für Noten in MIDI wandelt eine hochgeladene MusicXML-Datei direkt in MIDI um.
In deiner DAW: Ableton Live, GarageBand sowie Logic Pro und FL Studio.
Das Ergebnis aufräumen: MIDI nach dem Umwandeln von Audio aufräumen.

Zum Schluss

Audio-zu-MIDI funktioniert inzwischen zuverlässig genug, um fest in deinen Arbeitsablauf zu gehören. Was noch hakt, liegt meist an der Qualität der Aufnahme. Gibst du einem guten Modell eine saubere Aufnahme, hast du in Sekunden brauchbares MIDI. Gibst du ihm eine Handyaufnahme vom anderen Ende des Raums, musst du danach nacharbeiten, ganz gleich, wie gut das Tool ist.

Die Umwandlung selbst bremst heute kaum noch. Eher kommt es darauf an, was du mit dem Ergebnis vorhast. Wer produziert, will MIDI, das sich direkt in die DAW ziehen lässt. Wer komponiert, will Noten, die sich bearbeiten lassen. Wer Musik unterrichtet, will etwas, das Schüler:innen in die Hand bekommen. Aus derselben Audiodatei entstehen so drei ganz verschiedene Ergebnisse.

Häufige Fragen

Was passiert beim Umwandeln von Audio in MIDI?

Beim Umwandeln von Audio in MIDI wird aus einer Aufnahme eine Liste von Noten mit Tonhöhe, Startzeit, Dauer und Anschlagstärke (Velocity). Mit MIDI kannst du einzelne Töne bearbeiten, Instrumente austauschen, Noten erzeugen oder die Daten in jede beliebige DAW laden. Die Umwandlung ist ein grundlegender Arbeitsschritt, und die besseren Tools erledigen sie 2026 in wenigen Sekunden.

Was ist der Unterschied zwischen monophoner und polyphoner Umwandlung?

Eine monophone Umwandlung ist für Material gedacht, in dem immer nur ein Ton gleichzeitig klingt, etwa Gesang, Leadgitarre oder eine Melodie, die du ins Handy pfeifst. Das Tool muss dabei nur Tonhöhe und Timing bestimmen. Eine polyphone Umwandlung verarbeitet Material, in dem mehrere Töne gleichzeitig klingen, zum Beispiel Klavier, Gitarrenakkorde oder komplette Mixe. Das ist deutlich schwieriger, weil das Modell jeden einzelnen Ton in einem Akkord erkennen muss. Polyphone Umwandlung ist viel besser geworden, profitiert aber weiterhin von sauberem Ausgangsmaterial.

Wie bekomme ich die besten Ergebnisse beim Umwandeln von Audio in MIDI?

Nimm die sauberste Aufnahme, die du hast. Eine Studioaufnahme lässt sich viel besser transkribieren als eine Handyaufnahme in einem lauten Raum. Einen kompletten Mix teilst du vor der Transkription am besten in einzelne Instrumentenspuren auf. Wähl ein Tool, dessen Modell zum Instrument passt, und plane Zeit fürs Aufräumen ein. Mit 10 bis 20 Minuten Bearbeitung pro Song, in denen du Fehltöne entfernst, Oktavfehler korrigierst und Notenlängen anpasst, hast du am Ende etwas Brauchbares.