把手機靠近喇叭，幾秒後，Shazam 就會告訴你歌名和演出者。這項技術剛出現時，像是科幻電影裡才有的事，後來辨識歌曲就這樣成了日常。如果只是想找歌，知道這是什麼歌就夠了。要拿起樂器演奏，還得問這首歌要怎麼演奏。這個問題難得多，如今也開始有了答案。
Shazam 怎麼認歌，又有哪些事做不到
Shazam 靠「聲音指紋」認歌。它把幾秒鐘的錄音轉成一組精簡、具有辨識度的聲音特徵，再拿去和龐大的資料庫比對，裡面存著已知錄音的聲音指紋。找到吻合的錄音後，它就會回傳歌名、演出者、專輯等資料。這個過程不需要理解音樂，Shazam 不知道旋律、和弦或調性，也不會辨識任何一個音符。它擅長的是查找錄音。因此，資料庫裡有的歌，它能靠比對認出歌名；你自己哼出的旋律，它辨識不出，也無法告訴你音符怎麼走。
這首歌要怎麼演奏？採譜比辨識歌名更難
要告訴你怎麼演奏一首歌，得先把錄音裡的音樂寫出來，這就叫採譜。資料庫裡沒有現成答案可查，軟體必須分析錄音，分開旋律和伴奏，在好幾個音同時響起時辨識各個音符，判斷節奏、推算調性，再寫成樂譜。這種工作比較像受過訓練的音樂人戴著耳機，一邊聽、一邊按暫停抓歌，比對聲音指紋做不到這些事。
過去，自動採譜很難做得夠準，所以一代又一代的樂手得花時間靠耳朵抓歌，或找現成樂譜來買，前提是這首歌有樂譜可買。如今，專為採譜訓練的模型已經能自動完成品質不錯的初稿，Songscription 做的就是這件事。直接在瀏覽器裡交給它一段錄音，不用安裝任何東西。它會分離出你選的聲部，把辨識出的音符做成樂譜和鋼琴捲軸，也會在過程中辨識和弦。就算還不熟悉聽寫，你也能用這個方法從錄音找出歌曲要怎麼演奏。
樂譜版 Shazam，給你一份能修改的初稿
我們常把 Songscription 比作樂譜版 Shazam。不過，兩者的答案有個差別。Shazam 的辨識結果只有對或錯，聲音指紋也只有吻合或不吻合。採譜需要判讀音樂，判讀得多準，要看錄音內容。Songscription 的模型是用實際演奏的音樂從頭訓練的，並非從語音模型改造而來，因此錄音清楚、音符不太密集時，採譜效果很好。聲音交疊、後製處理多的混音比較難，結果會有需要修正的地方。Songscription 會在 1 到 2 分鐘內產生完成度不錯的初稿。你能修改這份樂譜，但仍得對照錄音，用耳朵校正，不能期待點一下就拿到毫無錯誤的成品。
這份初稿裡的音符看得懂，也能放慢播放、照著演奏。比起只有錄音、得從頭聽寫，這樣能省下很多工夫。有了音符，你就能坐到樂器前，開始練這首歌。想知道哪些情況採得準、哪些地方容易出錯，我們在AI 採譜準確度的實際表現裡寫得更詳細。至於用了這類工具之後，還有哪些事需要音樂人自己做，可以接著讀用了 AI 之後，音樂人還要做什麼。
認出歌曲之後，讀懂它、演奏它
較早出現的音樂科技幫助我們找音樂、辨識歌曲，像是搜尋、推薦和 Shazam。現在，也有工具幫助我們理解音樂、演奏與創作。錄音轉成看得懂的音符之後，就能拿來學歌、修改，也能照著演奏。如果你曾把手機對著喇叭，希望它在辨識歌名之外還能做更多，現在就有了這樣的工具。你喜歡的歌，幾乎都能轉成能照著演奏的樂譜。Anything Piano則把錄音轉成鋼琴捲軸，不會產生樂譜。你用任何一台鋼琴演奏這首歌時，它會聽你彈奏，告訴你哪些音彈對了。
常見問題
有沒有像 Shazam 一樣，聽歌就能做出樂譜的工具？
有類似的工具，但做法和 Shazam 不同。Shazam 把一小段錄音的聲音指紋拿去和資料庫比對，告訴你歌名和演出者，卻不會告訴你有哪些音符。把錄音寫成樂譜叫做採譜，這是另一個更難的問題。軟體得聽錄音，辨識實際的音高和節奏，再寫成樂譜。Songscription 做的就是這件事：你提供音檔或連結，它就會產生樂譜、鋼琴捲軸和和弦，讓你看懂音符，照著演奏。
為什麼告訴你怎麼演奏，比認出歌名更難？
辨識歌曲只需要把一組獨特的聲音指紋和已知錄音比對，不必理解音樂內容。要知道怎麼演奏，就得從樂器聲交疊的錄音裡辨識每個音，分清楚旋律與和聲，判斷節奏和調性。這需要分析聲音本身，不能只靠資料庫查找。所以採譜結果是一份完成度不錯、仍需要修正的初稿，無法保證每個細節都正確。
AI 能辨識出任何歌曲的和弦與音符嗎？
多數錄音都能辨識出和弦與音符，但準確度要看原始錄音。聲音清楚、音符不太密集的錄音，採譜效果較好；聲音交疊、後製處理多的混音就難得多，也需要較多修正。比較實際的期待，是先拿到音符和和弦的初稿，再對照錄音檢查、修正，別期待第一次就拿到毫無錯誤的樂譜。就算初稿還有錯，只要能放慢播放、照著演奏，學歌時就已經省下很多摸索的時間。
下次腦中一直響著一首歌，找到歌名之後，還能看看這首歌要怎麼演奏。
