這篇文章是音樂採譜工具選擇指南的一部分。
單靠 Gemini 或 Claude,做不到。兩者都無法聽完錄音就產生準確的樂譜,也無法逐一讀對印刷樂譜上的音符。它們現在能處理的資料比純文字聊天模型多得多:Gemini 接受音訊和圖片,Claude 接受圖片和文字。不過,這些模型擅長的是理解內容,例如把語音轉成文字、描述圖片、根據文字推理。採譜需要的訊號處理,是另一種工作。請它們把歌曲記成樂譜,往往會得到一份文字流暢、語氣很肯定的答案,裡面卻寫滿錄音中根本沒出現過的音符。
談樂理、解釋你貼上的記譜內容、建議和弦進行、寫一段單聲部旋律,或安排練習計畫,兩者都很有幫助。用之前先分清楚任務:需要文字說明的部分,交給聊天模型;需要把聲音轉成樂譜的部分,交給專門的採譜工具。
Gemini 和 Claude 能幫你做哪些音樂工作?
這兩個模型都已經能處理文字以外的資料。Gemini 原生就能處理多種資料類型,接受音訊檔後,能把語音轉成文字、整理錄音摘要、分辨誰在說話,也能回答談話內容相關的問題。它也接受圖片。Claude 則接受文字和圖片,能閱讀你提供的照片或文件。因此,把樂譜圖片交給任一模型,它都能看圖回應。不過,能看見或聽見檔案內容,和能把內容轉成正確的樂譜,是兩種不同的能力。
文字和樂理方面的任務,兩者都能幫上忙:
- 解釋樂理。 問它某段和弦進行為什麼這樣解決、什麼是三全音代理,或怎麼替小調音階配和聲,通常能得到清楚、相當可靠的解釋。
- 討論你貼上的文字記譜內容。 提供 ABC 記譜、和弦譜,或用文字描述一個段落,它能指出和弦、解釋這段音樂是怎麼發展的,也能提出修改建議。
- 建議和弦進行。 說明想要的情緒或調性,它會提出和弦進行、和弦重配或低音線,讓你試著彈看看。
- 寫出單聲部旋律草稿。 用文字描述旋律,它能用 ABC 這類文字記譜格式寫出來,再由你貼進記譜軟體。
這些任務都從文字或描述開始,最後有用的結果也都是文字。模型是根據音樂符號推理,沒有把聲音或印刷頁面轉成精確的音符。一旦你要求「這裡有一段錄音,請給我樂譜」,就超出兩者能可靠完成的範圍了。
為什麼它們無法從錄音採譜?
把音訊轉成樂譜,需要處理相當複雜的訊號。工具得偵測每個音的音高,精確找出開始和結束的時間,分辨和弦或完整混音裡同時發聲的音,再透過量化,把時間位置整理成容易讀的節奏。這些工作完成後,才能把音符寫在譜表上,配上正確的調號和拍號。每個步驟都需要專門針對音訊訓練的模型。Gemini 的音訊理解主要處理語音裡的字句、說話者和意思,並不擅長拆解同時出現的音高和起音時間。Claude 則根本不接受音訊檔;歌曲必須先經過另一道轉錄步驟,它才有內容能處理。
讀印刷樂譜也有類似的問題。研究人員直接測試這項任務時,發現模型即使能很準確地辨識頁面上的符號,大多數時候仍會把符號轉成錯誤的音符。它們常把音符寫成一連串四分音符,或像音階一樣排列的音型,因為它們更依賴文字模式來猜測,沒有照著譜上的內容讀出音符。所以,就算模型把頁面「看」得很清楚,報出的音高和節奏還是會偏離譜上寫的內容。
硬要它們採譜,兩者就會像其他語言模型遇到不確定的任務時一樣,給出流暢、肯定的答案。結果看起來像樂譜,卻充滿沒有人演奏過的音符。答案越像專業判斷,錯誤越不容易察覺;空白反而一眼就能看出有問題。想了解真正的採譜工作包含哪些步驟,可以讀 AI 音樂採譜如何運作。單音與多音採譜的差異則說明了為什麼同時發聲的音符,會讓通用模型出錯。
該用什麼工具採譜?
要把音訊轉成樂譜,請用專門的採譜工具。在 Songscription 上傳音訊檔或貼上影片連結,模型就會偵測音符,產生可編輯的樂譜、MIDI、MusicXML、Guitar Pro 的 TAB 譜,以及互動式鋼琴捲軸。你能放慢鋼琴捲軸的播放速度來檢查結果,不用手動輸入音符。樂譜會在 Songscription 的樂譜編輯器中開啟,匯出前就能在瀏覽器裡修改音符。
完成第一次採譜後,還有幾個功能派得上用場。鋼琴聲部會自動分成左右手的高音與低音,不會全部混在一起。想單獨取得某件樂器的聲部時,能從完整混音中分離出來;使用多樂器轉譜,則能一次採出樂團或合奏錄音中的所有聲部。你能在編輯器裡移調到任何調性,也能請編輯器裡的 AI 樂譜助手 Annie 幫你移調、變更拍號,或加入歌詞和力度記號。編曲模式則能把音符密集的曲子簡化,也能替原曲中沒有的樂器寫出單聲部旋律。Gemini 和 Claude 能用一段文字討論歌曲,Songscription 給你的則是一份能照著演奏、繼續編輯的檔案。
採譜結果的準確度也有差別。鋼琴獨奏、吉他獨奏或單一人聲旋律這類乾淨的錄音,採譜結果通常比多件樂器同時交疊的完整樂團混音準確得多。自動採譜能很快完成大部分工作,你還是要檢查結果,在編輯器裡改正錯誤。編輯器會排版樂譜,並依照畫面上的版面列印 PDF。如果你已經在使用 MuseScore,可以匯出 MusicXML,再到那裡繼續編輯。有些歌曲容易採譜,有些則比較難,原因可以參考 AI 採譜的準確度為什麼會有差異。
有了樂譜之後,Gemini 和 Claude 還能幫什麼忙?
拿到樂譜後,就能請兩個模型幫你解讀樂譜、安排練習。手上已經有樂譜、和弦譜,或從 MIDI 整理出的和弦,就能請任一模型處理這些任務:
- 解釋不熟悉的和弦。 貼上和弦代號,問它包含哪些音、在曲子裡起什麼作用,以及適合搭配哪個音階。
- 提供指法建議。 描述段落和你使用的樂器,請它建議合理的指法或手的位置,再實際試看看。
- 安排練習計畫。 告訴它曲目、你的程度和可用的時間,它會安排練習步驟。
- 把你已經掌握的旋律寫成文字記譜。 如果你已經能描述或唱出旋律,就把旋律內容用文字告訴它,請它寫成 ABC 記譜,再貼進編輯器。
採譜模型先把聲音轉成音符,Gemini 和 Claude 再幫你理解樂譜、安排練習。搭配使用,就能先從錄音取得樂譜,再請模型協助學會演奏。想知道 AI 能解答哪些演奏問題,可以讀 AI 能告訴你一首歌該怎麼彈嗎?。至於 OpenAI 的模型能否完成同樣的採譜任務,另見 ChatGPT 能製作樂譜嗎?。
常見問題
Gemini 會讀樂譜嗎?
只能大致看懂。Gemini 接受圖片,所以能查看樂譜照片或 PDF,描述樂譜的大意、說出調性,或認出音符密集的段落。不過,它無法可靠地逐一讀出譜上的音符,給你正確的音高和節奏。針對這項任務的測試顯示,即使模型很會辨識符號,大多數時候還是會把符號轉成錯誤的音符,常常寫出等長的四分音符和音階般的音型。把它對印刷樂譜的解讀當成大致摘要就好,不能當成準確的採譜結果。
Claude 能把歌曲轉成樂譜嗎?
無法從錄音採譜。Claude 處理文字和圖片,所以能討論你貼上的文字記譜內容,例如 ABC 記譜或和弦譜,也能解釋和聲,或根據你的文字描述寫出簡單的單聲部旋律草稿。它無法把音訊檔轉成準確的樂譜。把聲音轉成音符需要訊號處理,包括偵測音高、找出起音時間,以及分離同時發聲的音。這是專門的採譜工具在做的事,聊天模型不會處理。
Gemini 或 Claude 能把音訊轉成 MIDI 檔案嗎?
無法從錄音產生 MIDI 檔案。兩個模型都不會偵測音訊中的音符,而這是製作 MIDI 檔案所需的步驟。請它們聽歌並輸出 MIDI,得到的資料會錯,但答案聽起來很肯定。如果你用文字描述旋律,模型有機會寫出一小段文字記譜,讓你再轉換。不過,想從實際錄音取得 MIDI,還是要用專門的音訊轉 MIDI 工具,偵測音符並直接匯出檔案。
把歌曲轉成樂譜,最好的做法是什麼?
使用專門的 AI 採譜工具,輸入音訊檔或連結,就能取得可編輯的樂譜、MIDI 和鋼琴捲軸。聲音乾淨的獨奏錄音,採譜結果通常比樂器交疊的完整樂團混音準確,記得檢查結果。在 Songscription 裡,樂譜會在編輯器中排版,你可以修改音符並列印 PDF。如果想在其他記譜軟體繼續編輯,再匯出 MusicXML。
想把錄音轉成樂譜,前往音訊轉樂譜,上傳歌曲或貼上連結,再到編輯器修改結果後匯出。
