मुख्य सामग्री पर जाएँ

ऑडियो को MIDI में कैसे बदलें: पूरी गाइड

गाइडपढ़ने में 11 मिनटAndrew Carlins

ऑडियो फ़ाइल को MIDI में बदलना पहले काफ़ी मेहनत का काम था। अब काम ज़्यादातर रिकॉर्डिंग के लिए सही टूल चुनने का है। जानें कि 2026 में यह प्रक्रिया कैसे काम करती है।

यह लेख संगीत के ट्रांसक्रिप्शन और स्कोर बनाने के बेहतरीन टूल की हमारी गाइड का हिस्सा है।

ऑडियो को MIDI में बदलने पर रिकॉर्डिंग से नोटों की एक सूची बनती है। उसमें हर नोट का सुर, शुरू होने का समय, अवधि और वेलोसिटी दर्ज होती है। MIDI बनने के बाद अलग-अलग नोट एडिट करें, वाद्य बदलें, स्कोर बनाएँ या डेटा किसी भी DAW में डालें। यह एक बुनियादी कन्वर्ज़न है और 2026 में इसे अच्छी तरह करने वाले टूल दो साल पहले के टूल से भी साफ़ तौर पर बेहतर हैं।

कन्वर्ज़न में कुछ समझौते करने पड़ते हैं। कौन सा टूल काम आएगा, यह इस बात पर निर्भर करता है कि आपको क्या करना है।

“ऑडियो से MIDI” का मतलब क्या है

ऑडियो एक लगातार चलने वाली वेवफ़ॉर्म है, जिसमें समय के साथ हवा के दबाव में आए बदलाव रिकॉर्ड होते हैं। MIDI इससे अलग है: उसमें अलग-अलग घटनाएँ होती हैं जिनके सुर और समय ठीक-ठीक दर्ज होते हैं। ऑडियो को MIDI में बदलते समय ऐसे फ़ैसले लेने पड़ते हैं जिनका जवाब रिकॉर्डिंग अपने आप नहीं देती। नोट ठीक कहाँ शुरू होता है? आवाज़ में आया उतार-चढ़ाव अलग नोट है या टिके हुए नोट पर वाइब्रेटो? वादक B♭ बजा रहा है या B का सुर थोड़ा नीचा लग रहा है?

आज के ऑडियो से MIDI बनाने वाले टूल मशीन लर्निंग मॉडल इस्तेमाल करते हैं। इन्हें लाखों घंटों के ऑडियो और उनके सही MIDI डेटा पर ट्रेन किया गया है। इतने उदाहरण देखने के बाद मॉडल ऐसे फ़ैसले ले पाते हैं जो इंसान के ट्रांसक्रिप्शन से मेल खाते हैं। कोई मॉडल पूरी तरह सही नहीं होता, लेकिन अब नतीजे इतने अच्छे हैं कि काम करने का तरीका बदल गया है। पहले संगीत सुनकर ट्रांसक्राइब किया जाता था और टूल से जाँच होती थी। अब पहले टूल चलाकर बाद में नतीजा ठीक किया जा सकता है।

मोनोफ़ोनिक और पॉलीफ़ोनिक कन्वर्ज़न

मोनोफ़ोनिक कन्वर्ज़न ऐसी रिकॉर्डिंग पर काम करता है जिसमें एक समय पर एक नोट बजता है। गायन, लीड गिटार, सैक्सोफ़ोन या फ़ोन पर रिकॉर्ड की गई सीटी की धुन इसके उदाहरण हैं। टूल को सुर और समय पहचानना होता है, लेकिन एक साथ बजते नोटों को अलग नहीं करना पड़ता।

पॉलीफ़ोनिक कन्वर्ज़न में पियानो, गिटार के कॉर्ड या पूरे मिक्स जैसे स्रोत आते हैं, जिनमें एक साथ कई नोट बजते हैं। यह कहीं ज़्यादा मुश्किल काम है। मॉडल को कॉर्ड का हर सुर पहचानना होता है और एक से अधिक वाद्य होने पर यह भी तय करना होता है कि कौन सा नोट किस वाद्य का है। उसे यह भी समझना पड़ता है कि एक नोट की आवाज़ अगले नोट के शुरू होने तक गूँजती रहे तो क्या करना है। पिछले कुछ सालों में पॉलीफ़ोनिक कन्वर्ज़न बहुत बेहतर हुआ है, फिर भी साफ़ रिकॉर्डिंग से नतीजा बेहतर मिलता है।

2026 में काम आने वाले टूल

Songscription हम बनाते हैं, इसलिए उसे पहले रखने में हमारा अपना हित है। हमने हर टूल की खूबियाँ और कमज़ोरियाँ यथासंभव निष्पक्ष ढंग से बताई हैं, साथ ही वे स्थितियाँ भी जहाँ कोई दूसरा टूल बेहतर है।

Songscription

Songscription अलग-अलग वाद्यों के लिए अलग मॉडल इस्तेमाल करता है। पियानो वाला मॉडल सबसे अच्छे नतीजे देता है। अकूस्टिक गिटार, ड्रम, वायलिन, फ़्लूट, सैक्सोफ़ोन, ट्रम्पेट, बेस और कुछ दूसरे वाद्यों के मॉडल भी हैं। Multi-Instrument मोड पूरे मिक्स को एक बार में ट्रांसक्राइब करता है और सुनाई देने वाले हर वाद्य के लिए अलग ट्रैक के साथ मल्टीट्रैक MIDI एक्सपोर्ट करता है। यह पॉलीफ़ोनिक इनपुट, जैसे पियानो की पूरी रिकॉर्डिंग, गिटार के कॉर्ड और मिक्स किया हुआ ऑडियो संभालता है और MIDI तथा MusicXML दोनों एक्सपोर्ट करता है।

प्लैटफ़ॉर्म के नोटेशन और पियानो रोल एडिटर में नतीजे को मूल ऑडियो के साथ आगे-पीछे चलाकर मॉडल की गलतियाँ वहीं ठीक की जा सकती हैं। नतीजे की सफ़ाई करते समय यह काम आता है। अगर सिर्फ़ MIDI फ़ाइल के बजाय नोटेशन चाहिए, तो इसी प्रक्रिया में अरेंजमेंट और मुश्किल के स्तर पर भी काम किया जा सकता है।

Klangio

Klangio में अलग-अलग वाद्यों के लिए ट्रांसक्राइबर के अलावा API और DAW प्लगइन हैं। यही इसका सबसे बड़ा फ़र्क है। अगर आप अपने सॉफ़्टवेयर में ऑडियो से MIDI बनाने की सुविधा जोड़ रहे हैं या अलग वेब ऐप के बजाय अपने DAW में ही काम करना चाहते हैं, तो Klangio उसके लिए बना है। जिन वाद्यों को दोनों उत्पाद संभालते हैं, उनमें Songscription के नतीजे आम तौर पर ज़्यादा साफ़ होते हैं, खासकर पियानो पर।

Logic Pro का Flex Pitch और DAW की ऐसी ही सुविधाएँ

आज के ज़्यादातर DAW में ऑडियो को MIDI में बदलने की कोई न कोई सुविधा होती है। ये आम तौर पर मोनोफ़ोनिक स्रोतों पर सबसे अच्छा काम करती हैं, जैसे माइक्रोफ़ोन में गुनगुनाई धुन या गायन की एक धुन। पॉलीफ़ोनिक रिकॉर्डिंग के लिए खास तौर पर बने टूल के नतीजे आम तौर पर DAW की इन सुविधाओं से मिलने वाले नतीजों से काफ़ी बेहतर होते हैं।

Basic Pitch (Spotify का ओपन सोर्स मॉडल)

Basic Pitch मुफ़्त और ओपन सोर्स है। यह पॉलीफ़ोनिक मॉडल आपके डिवाइस पर चलता है और साफ़ रिकॉर्डिंग से ठीक-ठाक MIDI बनाता है। यह प्रमुख व्यावसायिक टूल जितना सटीक नहीं है, लेकिन मुफ़्त है और ऑफ़लाइन चलता है। अगर जल्दी कन्वर्ज़न शुरू करना है और ऑडियो कहीं अपलोड नहीं करना चाहते, तो इसे आज़माया जा सकता है।

सबसे अच्छे नतीजे कैसे पाएँ

अपनी सबसे साफ़ रिकॉर्डिंग से शुरुआत करें

पियानो की स्टूडियो रिकॉर्डिंग का ट्रांसक्रिप्शन उसी पियानो की शोर वाले कमरे में फ़ोन से की गई रिकॉर्डिंग से कहीं बेहतर होता है। पीछे का शोर, कमरे में आवाज़ की गूँज और कम्प्रेशन से पैदा हुई गड़बड़ियाँ मॉडल को भ्रमित करती हैं। अगर आपके पास वाद्यों के मूल अलग ट्रैक या अच्छी क्वालिटी की रिकॉर्डिंग है, तो उनका इस्तेमाल करें।

पूरे मिक्स को ट्रांसक्राइब करने से पहले वाद्य अलग करें

अगर पूरी रिकॉर्डिंग को इस्तेमाल करने का अधिकार आपके पास है, तो पहले वाद्यों को अलग करने से मदद मिल सकती है। मिक्स को Moises, LALAL.AI या ऐसे ही किसी स्टेम स्प्लिटर से गुज़ारें, फिर हर वाद्य को अलग ट्रांसक्राइब करें। पूरे मिक्स को पियानो ट्रांसक्राइबर में डालने के बजाय सिर्फ़ पियानो वाला अलग ट्रैक देने पर MIDI फ़ाइल कहीं बेहतर बनेगी। अगर एक वाद्य के बजाय हर वाद्य का MIDI चाहिए, तो Songscription का Multi-Instrument मोड वाद्यों को पहले अलग किए बिना सीधे मिक्स से हर वाद्य के लिए अलग ट्रैक लिखता है। घने अरेंजमेंट में बाद में कुछ एडिटिंग करनी पड़ती है।

रिकॉर्डिंग के लिए सही टूल चुनें

गायन की धुन और पियानो की रिकॉर्डिंग के लिए अलग मॉडल चाहिए। कुछ टूल में अलग-अलग वाद्यों के लिए अलग ट्रांसक्राइबर होते हैं, कुछ में नहीं। गिटार की रिकॉर्डिंग पर पियानो के लिए बने मॉडल का नतीजा सामान्य इस्तेमाल वाले टूल से खराब होगा, क्योंकि मॉडल पियानो के बारे में कुछ ऐसी बातें मानकर चलता है जो गिटार पर लागू नहीं होतीं।

नतीजे को एडिट करने का समय रखें

सबसे अच्छे टूल से बने MIDI में भी हाथ से एडिटिंग करने पर सुधार होता है। आम तौर पर शोर वाली रिकॉर्डिंग से बने फ़ालतू छोटे नोट हटाने, बेस नोटों में ऑक्टेव की गलतियाँ सुधारने और उन नोटों की अवधि ठीक करने की ज़रूरत पड़ती है जिन्हें टूल ने बहुत जल्दी खत्म कर दिया हो या बहुत देर तक रखा हो। हर गाने के लिए 10–20 मिनट एडिटिंग का समय रखें। इससे इस्तेमाल करने लायक नतीजा मिल जाएगा।

MIDI से स्कोर तक

MIDI बनने के बाद स्कोर तैयार करना एक अलग काम है। इसमें क्वांटाइज़ेशन, दोनों हाथों के बीच नोटों का बँटवारा, की और टाइम सिग्नेचर तथा आर्टिकुलेशन जैसे फ़ैसले लेने होते हैं। कुछ टूल ऑडियो से MIDI और फिर नोटेशन तक का काम एक ही प्रक्रिया में करते हैं; दूसरे MIDI पर रुक जाते हैं। अगर आपको स्कोर चाहिए, तो MIDI एक्सपोर्ट के बाद क्या होता है, यह जानने के लिए MIDI को स्कोर में बदलने की गाइड पढ़ें। MIDI से स्कोर बनाने वाले बेहतरीन कन्वर्टर की हमारी सूची में देखें कि आपके एडिटिंग शुरू करने से पहले हर प्रोग्राम MIDI को कितनी सफ़ाई से नोटेशन में बदलता है।

ऑडियो से MIDI बनाने की हमारी दूसरी गाइड अपने काम के अनुसार चुनें:

आख़िरी बातें

ऑडियो से MIDI कन्वर्ज़न अब इतना भरोसेमंद है कि उसे अपने काम में शामिल किया जा सकता है। बाकी सीमाएँ ज़्यादातर रिकॉर्डिंग की क्वालिटी से जुड़ी हैं। अच्छे मॉडल को साफ़ रिकॉर्डिंग दें, तो कुछ ही सेकंड में इस्तेमाल करने लायक MIDI मिलेगा। कमरे के दूसरी ओर रखे फ़ोन से की गई रिकॉर्डिंग पर, टूल चाहे जितना अच्छा हो, नतीजे को ठीक करने में मेहनत लगेगी।

अब टूल इतने बेहतर हो गए हैं कि कन्वर्ज़न में काम के बाकी चरणों से ज़्यादा समय नहीं लगता। अगला फ़ैसला यह है कि नतीजे का क्या करना है। प्रोड्यूसर को ऐसा MIDI चाहिए जिसे DAW में डाला जा सके। कंपोज़र को एडिट करने लायक नोटेशन चाहिए। संगीत शिक्षक को ऐसी सामग्री चाहिए जो छात्र को दी जा सके। एक ही ऑडियो फ़ाइल से ये तीनों तरह के नतीजे मिलते हैं।

अक्सर पूछे जाने वाले सवाल

ऑडियो को MIDI में बदलने से क्या होता है?

ऑडियो को MIDI में बदलने पर रिकॉर्डिंग से नोटों की एक सूची बनती है। इसमें हर नोट का सुर, शुरू होने का समय, अवधि और वेलोसिटी होती है। MIDI बनने के बाद अलग-अलग नोट एडिट किए जा सकते हैं, वाद्य बदले जा सकते हैं, स्कोर बनाया जा सकता है या डेटा किसी भी DAW में डाला जा सकता है। यह एक बुनियादी कन्वर्ज़न है जिसे 2026 के बेहतर टूल कुछ ही सेकंड में कर देते हैं।

मोनोफ़ोनिक और पॉलीफ़ोनिक कन्वर्ज़न में क्या फ़र्क है?

मोनोफ़ोनिक कन्वर्ज़न ऐसी रिकॉर्डिंग पर काम करता है जिसमें एक समय पर एक ही नोट बजता है, जैसे गायन, लीड गिटार या फ़ोन पर रिकॉर्ड की गई सीटी की धुन। टूल को सिर्फ़ सुर और समय पहचानना होता है। पॉलीफ़ोनिक कन्वर्ज़न में पियानो, गिटार के कॉर्ड या पूरे मिक्स जैसे स्रोत आते हैं, जिनमें एक साथ कई नोट बजते हैं। यह कहीं ज़्यादा मुश्किल है क्योंकि मॉडल को कॉर्ड का हर सुर पहचानना पड़ता है। पॉलीफ़ोनिक कन्वर्ज़न काफ़ी बेहतर हुआ है, फिर भी साफ़ रिकॉर्डिंग से नतीजा बेहतर मिलता है।

ऑडियो से सबसे अच्छा MIDI नतीजा कैसे मिले?

अपनी सबसे साफ़ रिकॉर्डिंग से शुरुआत करें। स्टूडियो रिकॉर्डिंग का ट्रांसक्रिप्शन शोर वाले कमरे में फ़ोन से की गई रिकॉर्डिंग से कहीं बेहतर होता है। घने मिक्स में अलग किए गए इंस्ट्रूमेंट ट्रैक मदद करते हैं, हालाँकि Songscription का Multi-Instrument इनके बिना भी हर पार्ट लिखता है। वाद्य के लिए उपयुक्त मॉडल वाला टूल चुनें और नतीजे को एडिट करने का समय रखें। हर गाने के लिए 10 से 20 मिनट में फ़ालतू नोट, ऑक्टेव की गलतियाँ और नोटों की अवधि ठीक करके इस्तेमाल करने लायक MIDI तैयार किया जा सकता है।

लेखक के बारे में

Andrew Carlins

लेखक

Andrew Carlins

Songscription के सह-संस्थापक और CEO

Andrew ने स्टैनफ़र्ड में कुछ साथी संगीतकारों के साथ मिलकर Songscription की स्थापना की। वे सभी अपनी पसंद के गानों के स्कोर न मिलने से परेशान थे। बचपन से Andrew पियानो और बैरिटोन सैक्सोफ़ोन बजाते थे और म्यूज़िकल थिएटर में भी प्रस्तुति देते थे। कई सालों से उन्होंने प्रस्तुति नहीं दी है, फिर भी उन्हें लगता है कि उनका हुनर अब भी बरकरार है। वे लिखते हैं कि रिकॉर्डिंग से गाने के नोट स्कोर पर कैसे उतारे जाएँ।

टीम के बारे में और जानें

इन्हीं विषयों पर और लेख पढ़ें।