本文是音樂記譜術語指南的一部分。
不同的音樂轉譜工具，處理音訊的方式不一樣。有的只能一次追蹤一個音，有的能辨識同時發聲的多個音。單音轉譜與複音轉譜的這項差別，比宣傳文案上的準確率更能說明工具實際能做什麼。
一段音樂同時有幾個音在響，會影響轉譜的難度。複音裡的頻率互相重疊，早期方法很難分清楚，AI 則改變了辨識的方式。挑選工具時，除了弄懂這些差別，也得看看它能不能處理你真正想記下的音樂。
什麼是單音轉譜？
單音轉譜把同一時間只有一個音的音訊，轉成樂譜。「單音」（monophonic）指的是單一聲部，也就是同一時間只出現一個音高的音樂。
一次只處理一個音高，讓單音轉譜相對簡單。訊號裡只有一個主要頻率時，演算法辨識音高變化比較有把握，要處理的干擾也少。
哪些音訊屬於單音？
長笛獨奏是典型例子。大部分管樂器一次只發出一個音高；沒有伴奏的人聲旋律，例如無伴奏獨唱、傳統民謠旋律，也屬於這一類。
即使樂器本身能演奏和弦，只在一條弦上彈旋律，也算單音。吉他手只彈高音 E 弦、不碰其他弦，產生的就是轉譜工具容易處理的單音音訊。單獨的低音旋律線也一樣，無論是電貝斯、低音大提琴，還是合成器演奏的。
為什麼單音比較容易轉譜？
單音音訊的訊號比較單純。少了其他音高的干擾，也沒有不同音符的泛音互相重疊，軟體持續追蹤基音頻率時，需要判斷的模糊情況比複音少得多。
處理步驟也比較簡單：找出主要頻率、追蹤它隨時間的變化，再換成音名和節奏。早期轉譜軟體因此多半從單音開始。基本的頻率分析足以處理單一聲部，遇到和弦或多個聲部疊在一起，就沒那麼容易了。
什麼是複音轉譜？
複音（polyphonic）指的是同一時間有多個音發聲的音訊。例如鋼琴手彈和弦，左手同時按住一個低音；或是吉他手刷弦時，高音弦上的旋律還在響。只要同一刻有不只一個音高在響，就屬於複音。
複音轉譜要把這些音訊寫成樂譜，記下每個正在發聲的聲部，不能只留下最響的那個。單音轉譜只要追蹤一條旋律，複音轉譜則得同時分清幾條重疊的旋律，準確記下各自的音符。它們可能是在同一個樂器聲部裡交錯的兩條旋律，也可能是鋼琴左右手分別演奏的旋律與低音線條。
哪些音訊屬於複音？
鋼琴是最常見的複音轉譜難題。即使只是一個簡單的三和弦，工具也得在同一瞬間辨識幾個音高，放到譜表上的正確位置。
吉他獨奏也很容易出現複音。空弦和按弦的音一起發聲，或是一邊刷和弦、一邊挑出旋律，就有多個獨立聲部需要分別追蹤。這些都是日常演奏裡常見的情況，複音佔了音樂人實際演奏內容的大部分。
為什麼複音轉譜比較難？
泛音重疊之後，訊號很難分開，早期模型不太能處理。幾個音同時響起，基音和泛音會混在同一個波形裡，早期軟體很難判斷每個頻率到底屬於哪個音。
鋼琴和弦裡，每個音都帶著一串泛音。低音的高次泛音，還可能正好落在同時發聲的另一個高音的基音頻率上。早期演算法很難穩定地分清這些重疊的頻率。
現在的 AI 模型是專門用複音音樂訓練的，能處理的範圍因此擴大。Songscription 的鋼琴轉譜就是針對這個問題。這類模型學習分辨各個聲部和和弦配置，辨識時不會一律只追蹤最明顯的頻率。不是每段錄音都能得到毫無錯誤的結果，但目前模型的表現已經比早期方法好很多。
單音與複音轉譜的主要差別
實際使用時，兩者的差別在於訊號有多複雜，以及演算法得怎麼處理。
- 單音轉譜持續追蹤單一主要頻率。演算法有明確的辨識目標，這類音高辨識技術也比較成熟。出錯時通常是節奏不準，比較少是音高記錯。
- 複音轉譜得同時追蹤幾個重疊的頻率，分清楚哪些是基音、哪些是泛音。
- **適用的音訊不同。**管樂獨奏、無伴奏人聲，或單獨一條弦上的旋律，屬於單音。複音則涵蓋大部分常見演奏，包括鋼琴和弦、吉他刷弦，以及任何同時有多個聲部發聲的音樂。
- **產生的樂譜不同。**單音轉譜記下一條旋律線；複音轉譜還得處理多個聲部、和弦配置、聲部連接，以及各個獨立聲部的複雜節奏。
為什麼多數音樂人需要複音轉譜？
實際演奏的音樂很少是單音。吉他獨奏裡，你按弦彈出新音時，空弦可能還在響；鋼琴只要同時按下第二個琴鍵，就已經是複音，而鋼琴演奏大多都有這種情況。只能處理單音的工具，記下的只是其中一部分。
音樂越密集，越考驗工具處理複音的能力。有些人剛開始學琴時，練的是簡單的單音旋律；進一步練和弦進行、對位和多層次編曲時，單音工具就處理不了。如果你要記下的音樂有和弦或多個聲部，工具就得能處理複音。
AI 怎麼處理單音與複音音訊？
辨識單音旋律時，演算法只要持續追蹤一個主要頻率，音高偵測的做法相對直接。幾個音一起發聲，模型就得從重疊的頻率模式裡辨識、分開各個音。用複音音樂訓練的神經網路，對這項工作幫助很大。
深度學習讓複音轉譜往前走了一步。早期訊號處理方法遇到重疊的音高，常常就辨識不下去；現在的神經網路則能學會辨認和弦模式與樂器組合，做到早期方法難以做到的事。
難處仍然是泛音重疊。每個音都帶著一串泛音，這些泛音形成它的音色，也讓聲音更豐富。樂器一起演奏時，各自的泛音列重疊、互相干擾，很難判斷每個頻率來自哪個聲源。
實際使用時，怎樣算辨識準確？
可靠的複音轉譜，會產生清楚的樂譜，和弦配置正確，很少多出原本沒有的音符。低音、旋律和和聲要記成不同聲部，各聲部的節奏也要彼此對得上。
常見錯誤有幾種：密集段落裡漏掉低音、因為很強的泛音而多記了重複音符，或把裝飾性的快速音群誤判成持續的長音。
配器一複雜，或音訊品質不好，準確度就會下降。訓練充分的模型，通常能把乾淨的鋼琴獨奏錄音辨識得不錯；換成聲音密集、各樂器收音互相干擾的現場混音，同一個模型產生的結果就需要更多修正。
有些工具在轉譜後，直接讓你用鋼琴捲軸編輯器或樂譜畫面檢查結果，Songscription 的音訊轉樂譜流程就是這類做法。校對時不用在不同軟體間來回切換。
挑選複音轉譜工具時，要看什麼？
工具都寫著能處理複音，實際表現卻不一定相同。決定使用之前，先用幾項測試確認。
先拿自己的音訊測試
宣傳頁寫著能處理複音，還是得實際試過。不少工具宣稱 AI 辨識很準，卻仍然一次只追蹤一個音。上傳一個簡單的鋼琴和弦，或一小段吉他刷弦，看看轉譜結果。真正能處理複音的工具，會在同一個時間位置記下多個音符，而不是每一刻都只留下最強的頻率。
確認模型實際能辨識哪些樂器
複音轉譜在不同樂器上的表現差異很大。鋼琴辨識得好的模型，遇到吉他或銅管，結果可能明顯差一些。各種樂器的泛音特徵和演奏技巧差異很大，模型必須分別針對它們訓練。
挑工具時，先看工具有沒有清楚說明擅長辨識哪些樂器。這比籠統宣稱什麼都能辨識更有參考價值。如果你主要處理同一種樂器，專門用這種樂器訓練的模型，通常比通用模型表現好。
能匯出哪些格式？
轉譜完成後，檔案格式會影響你接著怎麼用。演奏時要看樂譜，在 DAW（數位音訊工作站）裡製作音樂會用到 MIDI，交給記譜編輯器繼續修改則需要 MusicXML。這些格式各有用途，只能匯出一種格式，後續處理就會多些麻煩。想進一步了解怎麼使用 MIDI 輸出，可參考我們的音訊轉 MIDI 指南。
用你要轉譜的音樂做最後確認
大部分音樂都是複音，多數音樂人也需要能處理複音的工具。單音轉譜適合獨奏旋律、單獨的低音聲部，只是這些用途涵蓋的範圍，比大家實際想記下的音樂窄得多。
複音辨識穩定的模型，也能輕鬆處理單音音訊；只能辨識單音的工具，卻無法完整記下你右手彈的和弦。不確定怎麼選時，拿你預計要轉譜的內容裡最難的一段測試。要記下和弦，就測和弦，別只用音階判斷。
常見問題
單音轉譜和複音轉譜有什麼差別？
單音轉譜把同一時間只有一個音的音訊轉成樂譜，持續追蹤單一主要頻率。複音轉譜處理同時有多個音發聲的音訊，必須記下每個正在發聲的聲部，不能只抓最響的那個。管樂獨奏、無伴奏的單一人聲旋律都屬於單音；鋼琴和弦、吉他刷弦等常見演奏則屬於複音。
為什麼複音轉譜比單音轉譜難？
泛音互相重疊，讓訊號很難分開。幾個音同時發聲時，基音和泛音會混在同一個波形裡。低音的高次泛音，還可能正好落在另一個高音的基音頻率上。現在的 AI 模型是專門用複音音樂訓練的，比早期的訊號處理方法更能處理這種情況，但並非每段錄音都能辨識得毫無錯誤。
怎麼確認轉譜工具真的能處理複音？
拿自己的音訊測試，比只看宣傳頁可靠。上傳一個簡單的鋼琴和弦，或一小段吉他刷弦，再檢查結果。能正確處理複音的工具，會在同一個時間位置記下多個音符，而不是每一刻都只記下最強的頻率。也要查看模型實際能辨識哪些樂器，因為複音轉譜在不同樂器上的表現差異很大。
