上傳一段清楚的鋼琴獨奏錄音，轉譜結果會很準確。用同一個工具處理樂團現場錄音，結果就不一定一樣。這種差異有跡可循。錄音本身的聲音和 AI 模型的訓練與設計方式，都會影響轉譜結果。
有些音樂比較容易辨識，有些則需要多花點工夫；不同模型處理同一段錄音，也常有不同的結果。想先了解 AI 轉譜大致能做到什麼程度，可以先看我們整理的 AI 音樂轉譜準確度與合理期待。
哪些音樂因素會影響 AI 轉譜的準確度？
有些錄音就是比較容易讓 AI 辨識，調音、演奏的快慢和錄進去的聲音都會影響結果。準備音檔時，還能參考提高 AI 音樂轉譜準確度的步驟，照著檢查上傳前能做的調整。
不採標準調音
多數 AI 轉譜工具的訓練音樂，採用西方音樂常見的標準調音。如果錄音用了不同的調音，例如吉他整體降一個全音，或某種傳統音樂的音與音之間採用不同的音高間距，模型不一定找得到對應的音，就會把它歸到自己認得、音高最接近的音。若你經常使用其他調音方式，上傳前先將音檔移調到標準調音，轉完再把結果調回來，通常會轉得最乾淨。
速度變化與拍子不穩
AI 會根據錄音裡的拍子，判斷每個音符出現的時間。演奏者拍子抓得比較鬆，或在一個段落裡自然地加快、放慢時，模型就得多做一些判斷。大多數時候都能處理得很好。即使錄音的節奏變化很自由，轉完到編輯器稍微修一下，通常就夠了。
大量音效處理，以及麥克風收到其他樂器的聲音
吉他加了很重的破音，或合成器疊了很多效果時，原本的聲音經過層層處理，AI 就比較難辨識音高。錄音不同，轉出的結果也會差很多。更難處理的是一支麥克風同時收到好幾種樂器的聲音。如果手上有獨立音軌或分軌音檔，上傳這些檔案，得到的初步結果都會比上傳完整混音更乾淨。
AI 模型本身也會影響結果
同一段錄音交給不同的轉譜工具，結果常常不一樣。前面提到的因素會影響所有模型，但各個工具處理起來的表現差很多。差別主要在模型用哪些音樂來訓練，以及設計時有沒有針對特定樂器。
模型學過哪些音樂？
AI 轉譜工具會從大量現有音樂中學習。訓練資料涵蓋的音樂越廣、越多樣，模型通常就越能處理沒遇過的內容。如果模型訓練時接觸過多種曲風和錄音條件，遇到新素材就比較能應付。只學過較小範圍的音樂，在那個範圍內會表現很好，超出範圍就比較吃力。
工具自稱「通用」時，通常是指它能妥善處理最常見的曲風，不代表每種樂器、每種音樂類型都學得一樣完整。選擇熟悉你手上這類音樂的工具，往往會得到最好的結果。
有沒有針對特定樂器設計？
專門處理某種樂器的工具，轉那種樂器時通常會明顯更準確。專為鋼琴訓練的模型，學過鋼琴的聲音、各個音如何重疊、琴音如何延續，也學過影響鋼琴轉譜準確度的細節。涵蓋多種樂器的通用模型，則得學習各種樂器的特性。想比較主要工具的表現，可以參考 AI 音樂轉譜軟體比較。
讓 AI 轉譜工具轉得更準確
好的工具是針對實際錄音設計的。大多數時候，上傳後就能直接得到不錯的結果。想把結果做得更乾淨，幾個簡單的做法通常就有幫助。
先挑手上品質最好的錄音。 無損音檔保留的資訊比壓縮音檔多，模型也有更多資訊可辨識。如果壓縮音檔轉完後，需要修正的地方比平常多，值得回到原始來源，重新匯出音檔再試一次。MP3 轉樂譜指南說明了壓縮音檔的轉譜結果大致能做到什麼程度。
想轉譜的樂器有獨立音軌，就上傳那一軌。 單獨的鋼琴聲部，轉出的結果一定會比混在整團錄音裡的同一聲部更乾淨。如果只有完整混音，可以先用分軌工具把那種樂器分離出來。即使分離得不完美，通常還是比直接用完整混音來轉譜更合適。
選擇針對你的樂器設計的工具。 專門處理鋼琴的工具，轉鍵盤樂器的聲部會比較準確；吉他轉譜工具則是針對有琴格的樂器設計。工具和要轉譜的樂器搭得上，後續通常就能少修一些。
轉完先到鋼琴捲軸快速檢查一次。 即使轉得很準，快速看過一遍也能找出需要微調的地方，確認結果沒問題後才算完成。修正 AI 轉譜錯誤的指南說明了要檢查哪些地方，以及發現問題後怎麼處理。
Songscription 如何處理這些情況？
Songscription 的多樂器 AI 能處理各種實際錄音，轉出準確、可直接使用的樂譜，尤其擅長鋼琴和旋律樂器。上傳錄音後，你會得到品質良好的樂譜，能直接使用或修改。
模型從各種條件下的真實錄音中學習，能處理室內殘響、不算嚴重的背景雜音，以及實際錄音常有的小瑕疵。Songscription 也能轉吉他、貝斯和鼓，同一次錄音裡的多個聲部都能接著處理，不必換工具。鋼琴和旋律樂器通常轉得最乾淨。吉他和貝斯也有很好的轉譜表現，但依錄音狀況，偶爾仍需要修正幾個地方。
想修改時，就用鋼琴捲軸編輯器。你可以在同一個畫面檢查轉譜結果、播放並對照原始錄音，再把需要調整的地方改好。對很多音樂人來說，轉完稍微編輯一次，本來就是處理流程的一部分；不用在不同畫面之間切換，修改起來也比較直接。
拿到結果後，怎麼判斷？
原本困難、得花幾個小時的轉譜工作，用 AI 只要幾分鐘就能完成。清楚的獨奏錄音和樂器交錯的現場錄音，轉出來的結果之所以不同，有具體、可預期的原因。了解這些因素，拿到結果時就比較知道該怎麼判斷，也知道一開始怎麼準備，能讓轉譜更乾淨。
大多數錄音交給好的工具，第一次就能完成大部分工作。錄音清楚、工具適合你的樂器，轉完再快速檢查一下，通常就能把初步結果修到可以直接使用。
常見問題
為什麼 AI 轉譜的準確度會有差異？
錄音本身的聲音，加上 AI 模型的訓練與設計方式，共同決定了轉譜結果。清楚的鋼琴獨奏錄音會轉得很準確，樂器交錯的樂團現場錄音則可能轉得沒那麼準。不採標準調音、拍子不穩、加了大量效果，或麥克風收到其他樂器的聲音，都會增加辨識的難度。
為什麼同一段錄音，用不同工具轉出的結果不一樣？
要看模型用哪些音樂來訓練，以及設計時有沒有針對特定樂器。如果模型訓練時接觸過多種曲風和錄音條件，通常就比較能處理沒遇過的音樂。訓練範圍較窄的模型，在熟悉的範圍內表現很好，超出範圍就比較吃力。專門處理某種樂器的工具，轉那種樂器時，通常會明顯比通用工具準確。
怎麼讓 AI 轉譜工具轉得更準確？
先挑手上品質最好的錄音。無損音檔保留的資訊比壓縮音檔多，模型也有更多資訊可辨識。如果你想轉譜的樂器有獨立音軌，就上傳那一軌。單獨的聲部會比混在整團錄音裡的同一聲部轉得更乾淨。選擇針對你的樂器設計的工具，轉完再到鋼琴捲軸快速檢查一次，確認結果沒問題後才算完成。
