這篇文章是音樂轉譜與樂譜工具推薦指南的一部分。
把音訊轉成 MIDI，就是把錄音轉成一連串音符資料，記下音高、開始時間、持續時間與力度。有了 MIDI，就能逐一編輯音符、換樂器、產生樂譜，或把資料匯入任何數位音訊工作站（DAW）。這是後續編輯的基礎，而到了 2026 年，擅長這項轉換的工具，表現已經明顯比 2 年前好。
選哪個工具，得看錄音內容、轉換方式，以及你願意做哪些取捨。
音訊轉 MIDI，到底在轉什麼？
音訊是一段連續的波形，記錄氣壓隨時間的變化。MIDI 則是一筆筆分開的事件，每筆都有明確的音高和時間。要把音訊轉成 MIDI，工具得做出判斷，光看波形不會直接得到答案。這個音究竟從哪裡開始？音高的起伏是另一個音，還是長音上的音高變化？演奏者彈的是降 B，還是音準稍微偏低的 B？
現在的音訊轉 MIDI 工具使用機器學習模型，訓練資料包含數百萬小時的音訊，以及對應的 MIDI。這些 MIDI 都已確認正確。模型看過足夠多的例子，判斷方式已經接近人手動轉譜時的做法。模型仍會出錯，但結果已經夠準確，工作流程也跟著改變。以前是先靠耳朵聽寫，再用工具核對；現在通常先交給工具轉換，再動手修正。
單音與複音轉換的差別
這兩種轉換要解決的問題不同。單音轉換處理一次只有一個音符的錄音，例如人聲、吉他主奏、薩克斯風，或對著手機吹口哨錄下的旋律。工具需要判斷音高和時間，不必把重疊的音符分開。
複音轉換處理多個音同時發聲的錄音，例如鋼琴、吉他和弦，或完整混音，難度高得多。模型得找出和弦裡每個音的音高。如果錄音裡有多種樂器，還得判斷每個音屬於哪個樂器。前一個音還沒消失、下一個音就已經開始時，也要把它們分清楚。這幾年複音轉換進步很多，但錄音越乾淨，結果仍然越好。
2026 年有哪些工具可用？
我們開發 Songscription，所以這份比較和我們有直接的利益關係。我們會盡量公平比較，把每個工具擅長什麼、有哪些不足寫清楚，也說明哪些情況更適合用別的工具。你實際試用後，會有自己的判斷。
Songscription
Songscription 依樂器使用不同模型，集中處理較少種類的樂器，把模型做好。鋼琴的表現最好，另外也有木吉他、鼓、小提琴、長笛、薩克斯風、小號、貝斯等樂器的模型。它能處理複音輸入，包括完整鋼琴錄音、吉他和弦，以及混合多種樂器的音訊，並匯出 MIDI 和 MusicXML。
內建的樂譜與鋼琴捲軸編輯器能讓你移動播放位置，對照原始錄音檢查結果，再直接修正模型判錯的地方。整理轉換結果時，不用離開 Songscription。如果你還需要樂譜，後續也能接著編曲、調整演奏難度。
Klangio
Klangio 同樣依樂器提供不同的轉譜工具，涵蓋的樂器種類比 Songscription 稍多，也有 API 和 DAW 外掛。API 和外掛是兩者在功能上最大的差別。如果你想把音訊轉 MIDI 整合進自己的軟體，或直接在 DAW 裡使用，不想另開網頁，Klangio 適合這類需求。兩者都能處理的樂器，Songscription 通常轉得比較乾淨，尤其是鋼琴。
Logic Pro 的 Flex Pitch 與其他 DAW 內建功能
多數現代 DAW 都有某種音訊轉 MIDI 功能，通常最擅長處理單音錄音，例如對著麥克風哼旋律，或把一段人聲旋律轉成 MIDI。遇到複音錄音，專門做轉譜的工具通常會比 DAW 內建功能好上不少。
Basic Pitch：Spotify 的開源模型
Basic Pitch 免費、開源，是能在本機執行的複音模型。錄音乾淨時，它能產生品質還不錯的 MIDI。準確度比不上表現最好的商業工具，但免費、能離線執行，對某些工作流程來說很實用。如果你只想快速轉一版當起點，又不想把音訊上傳到任何地方，Basic Pitch 是值得考慮的選擇。
怎麼讓轉換結果更好？
用手邊最乾淨的錄音
同一台鋼琴，在錄音室錄製的音檔，轉譜效果遠比在吵雜房間裡用手機錄音好。背景噪音、室內反射音，以及壓縮造成的失真，都會干擾模型判斷。手邊若有原始分軌音檔或高品質錄音，就用那些檔案。
完整混音先拆成分軌音檔，再轉譜
如果你有權使用這份完整錄音，先把樂器分開，往往能改善轉譜結果。用 Moises、LALAL.AI 或類似的分軌工具處理混音，再把每種樂器各自拿去轉譜。把只含鋼琴的分軌音檔交給鋼琴轉譜模型，轉出的 MIDI 會比使用完整混音好得多。
依錄音內容選工具
人聲旋律和鋼琴演奏需要不同的模型。有些工具針對不同樂器提供各自的轉譜模型，有些則沒有。把吉他錄音交給鋼琴專用模型，結果會比使用通用工具差。因為鋼琴模型會依鋼琴的特性判斷，這套判斷方式不適合用在吉他上。
預留時間修正結果
即使是最好的工具，轉出來的 MIDI 仍值得手動檢查一遍。常見的修正包括刪除多餘的短音符，這些音符往往來自錄音中的噪音；把八度判錯的低音移回正確位置；還有調整音符長度，修正太早結束或拖得太長的音。每首歌預留 10–20 分鐘編輯，通常就能整理成可用的 MIDI。
從 MIDI 到樂譜
有了 MIDI，要產生樂譜還得處理量化、左右手分配、調號與拍號，以及演奏記號。有些工具能把音訊 → MIDI → 樂譜一口氣做完，有些只做到 MIDI。
如果你要的是樂譜，MIDI 轉樂譜指南說明匯出 MIDI 之後的處理流程。MIDI 轉樂譜工具推薦則比較各工具把 MIDI 寫成樂譜的效果，讓你在動手修正前，先了解它們各自能處理到什麼程度。
延伸指南
這篇文章整理音訊轉 MIDI 的基本做法。要深入處理特定來源、選工具或修正結果，可以依你正在做的事，接著看以下指南：
- 依錄音來源轉換：把 YouTube 影片轉成 MIDI，限你有權使用的音訊；或把自己的錄音轉成 MIDI。
- 挑選轉換工具：音訊轉 MIDI 工具推薦，以及 Songscription 與 Basic Pitch 比較。
- 音樂製作：重現唱片裡的聲音，以及音樂製作人的 AI 工具。
- 轉換 MP3：怎麼把 MP3 轉成 MIDI。
- 轉換影片檔：MP4 轉 MIDI 工具會自動擷取 mp4、mov 或 webm 裡的音訊，再匯出 .mid 檔案。
- 從樂譜開始：樂譜轉 MIDI 工具會把你上傳的 MusicXML 檔案直接轉成 MIDI。
- 搭配 DAW：Ableton Live、GarageBand，以及 Logic Pro 與 FL Studio。
- 修正轉換結果：音訊轉成 MIDI 後，怎麼整理音符。
把轉換用在實際工作裡
現在音訊轉 MIDI 已經夠可靠，能用在實際工作流程裡。剩下的限制大多和錄音品質有關。好的模型搭配乾淨的錄音，幾秒內就能轉出可用的 MIDI。如果是用放在房間另一頭的手機錄下來的音檔，工具再好，結果也得花時間修。
工具進步後，轉換本身花的時間已經縮短，接下來更需要想清楚的是結果要拿來做什麼。音樂製作人要的是能匯入 DAW 的 MIDI；作曲的人要的是能編輯的樂譜；音樂老師要的是能交給學生使用的教材。同一份音檔，依用途會變成 3 種不同的成果。這些工具讓這幾種工作流程裡的轉換步驟都不再那麼耗時。
常見問題
把音訊轉成 MIDI，會得到什麼？
音訊轉 MIDI 會把錄音轉成一連串音符資料，記下音高、開始時間、持續時間與力度。有了 MIDI，就能逐一編輯音符、換樂器、產生樂譜，或把資料匯入任何數位音訊工作站（DAW）。這是後續編輯的基礎，2026 年表現較好的工具幾秒內就能完成。
單音轉換和複音轉換有什麼差別？
單音轉換處理的是一次只有一個音符的錄音，例如人聲、吉他主奏，或對著手機吹口哨錄下的旋律。工具只需要判斷音高和時間。複音轉換則處理多個音同時發聲的錄音，例如鋼琴、吉他和弦，或所有樂器混在一起的完整混音。模型得辨識和弦裡每個音的音高，難度高得多。複音轉換已經進步不少，但錄音越乾淨，結果仍然越好。
怎麼讓音訊轉 MIDI 的結果更好？
先用手邊最乾淨的錄音。錄音室錄製的音檔，轉譜效果遠比在吵雜房間裡用手機錄音好。完整混音先拆成分軌音檔，再各自轉譜；也要選用適合該樂器的模型。每首歌預留 10–20 分鐘，刪除多餘音符、修正八度錯誤、調整音符長度，通常就能整理成可用的 MIDI。
