YouTube 沒有直接下載 MIDI 的按鈕。影片裡有聲音和影像，卻沒有能直接下載的音符資料。要把 YouTube 影片轉成 MIDI，得先採譜：工具分析錄音，辨識音高和每個音開始、結束的時間，再把結果寫成 MIDI 檔案。
有兩種做法，前提都是你有權使用這段音訊，例如你自己上傳的內容、採用 Creative Commons 授權或免版稅授權的音樂，或已取得授權的錄音。你可以先從影片擷取音訊，再用音訊轉 MIDI 工具處理；也能直接把連結貼到 YouTube 轉 MIDI 工具，由工具取得音訊，省下自己下載的步驟。兩種做法最後都會產生 MIDI 檔案，能放進 Ableton、Logic、FL Studio、GarageBand 或其他數位音訊工作站（DAW）。
為什麼不能直接從 YouTube 下載 MIDI？
YouTube 影片裡的音訊，是每秒取樣數千次、把實際聲音記錄下來的錄音，演奏時的聲音已經固定在裡面。MIDI 記錄的則是一份音符指令：要彈哪個音、什麼時候開始、持續多久，以及彈奏的力度。MIDI 檔案本身不會發聲，得由軟體或硬體樂器照著指令播放。
因為 MIDI 儲存的是音符資料，你能在錄完之後換樂器、移動音符、修正錯誤的音高，或把整段音樂移到另一個調。已經錄好的音訊沒辦法這樣逐一改動音符。YouTube 影片裡的音符都混在聲音中，要取得能編輯的 MIDI，就得有工具分析聲音，把音符辨識出來。這個過程就是採譜。音訊轉 MIDI 指南有更詳細的轉換原理說明。
做法 1：先下載音訊，再採譜
YouTube 的服務條款對下載平台內容有所限制，所以這個做法只適用於你擁有或已獲准下載的影片，不能拿來擷取你沒有使用權、又受著作權保護的錄音。確認有權使用後，先把影片裡的音訊存成 MP3，若能選擇，WAV 更好。接著把檔案載入音訊轉 MIDI 工具，等工具辨識音符，再匯出 .mid 檔案。後半段的操作，和轉換電腦裡現有的音檔相同，原始錄音轉 MIDI 教學有完整步驟。
盡量從品質最好的音訊開始。位元率較高的檔案，比低品質的版本保留更多可供辨識的細節；無損 WAV 也比高度壓縮的 MP3 更合適。如果工具能分離出一種樂器，或讓你上傳只有一種樂器的錄音，這對結果的影響比檔案格式更大，不過清楚的音訊仍然有幫助。這個做法需要兩個步驟、兩種工具，還得把檔案從一邊搬到另一邊。直接貼連結就能把這些操作合在一起。
做法 2：直接貼上連結，不用先下載
現在有些工具能直接接收 YouTube 連結。貼上網址後，工具會自行取得音訊、採譜，再給你 MIDI 檔案，不用另外下載音訊後重新上傳。採譜的過程相同，只是工具把取得音訊的步驟也一起處理了。如果音樂在影片裡，電腦上還沒有音檔，這樣會比較快。
用 Songscription 的 YouTube 轉 MIDI 工具，貼上你有權使用的 YouTube 音訊連結，或上傳音檔，AI 就會辨識音符，匯出能直接放進 DAW 的 MIDI。同一次採譜也會產生 MusicXML、可列印的樂譜、Guitar Pro 吉他譜和可互動的鋼琴捲軸，你能依用途選擇格式。
匯出前，你能在瀏覽器裡修正音符、刪除多餘的音、移調，甚至把鋼琴聲部分成左手和右手。先整理好，再把 MIDI 匯入專案。整個過程都在瀏覽器裡完成，不用安裝。免費版最多能採譜 30 秒，足夠試轉一段 hook 或 riff；付費版能處理完整歌曲。如果你手上已經有音檔，MP3 轉 MIDI 工具也能完成同樣的轉換。
使用前也要確認原始音訊和採譜結果的使用權。YouTube 的服務條款對下載平台上的音訊和影片有所限制，這個流程適用於你擁有、已取得授權，或以其他方式享有使用權的內容，不能拿來任意擷取受著作權保護的影片。轉出的音符通常用於自己的學習、練習或私人專案；如果要公開發表或散布別人受著作權保護作品的採譜結果，一般需要取得權利人的同意。以上是一般資訊，並非法律意見。
準確度如何？怎麼讓結果更好？
錄音的內容會大幅影響準確度。聲音越乾淨、要辨識的樂器越清楚，結果通常越好。鋼琴獨奏、只有一把吉他的錄音，或一條清楚的人聲旋律，常常稍微修正就能使用。完成製作的混音如果同時有很多樂器、多層人聲和大量效果，辨識就比較難，工具得把重疊的聲音分開。
最有幫助的做法，是先分離出你要的樂器，不要把整首歌的混音直接交給工具。如果只要鋼琴聲部，就只替鋼琴採譜。Songscription 能從完整混音中分離出一種樂器，再替那個聲部採譜，避開最難處理的聲音重疊問題。
音符同時發聲的數量也會影響辨識。同時有多個音的複音，比一次只有一個音的旋律難處理。貝斯線或主旋律大多一次只發出一個音，通常比和弦密集的鋼琴聲部更容易辨識。單音與複音採譜的差別解釋了其中的原因。
不管用哪種做法，轉完後都要留時間檢查。自動採譜能很快完成大部分工作，但仍會漏掉一些音，也會多辨識出幾個原本不存在的音，音樂密集的地方尤其容易出錯。用鋼琴捲軸檢查會比較容易找到錯音，使用前先修好。結果已經接近正確時，改幾個音符，比從頭手動輸入整個聲部快得多。
把 MIDI 匯入 DAW，或轉成樂譜
拿到 .mid 檔案後，多數 DAW 都能直接把它拖到音軌上。Ableton Live 可以拖到 MIDI 音軌，或用匯入 MIDI 檔案的指令。Logic Pro 可以直接拖入，或從檔案選單匯入，接著會詢問是否一併匯入速度資料。GarageBand 直接拖入後，選擇匯入速度資料。FL Studio 可以拖到 Channel Rack 裡的樂器通道，或在鋼琴捲軸裡使用匯入 MIDI 檔案的指令。
MIDI 音軌要載入樂器才會發聲。MIDI 只有音符資料，你選擇鋼琴、合成器、弦樂或其他樂器後，同一組音符就會用那種樂器的聲音播放。匯入專案後，你還能依需要更換樂器。
如果你想讀譜或列印聲部，同一份音符資料也能轉成樂譜。MIDI 轉樂譜指南說明了這個步驟。如果一開始就要列印樂譜，也能直接用 YouTube 轉樂譜工具，或參考 YouTube 轉樂譜工具整理。想比較 MIDI、MusicXML 和 PDF 各自適合什麼用途，可以看音樂匯出格式說明。Songscription 能從同一次採譜匯出 MIDI、MusicXML、樂譜和鋼琴捲軸，你只要選需要的格式，不必重新採譜。
常見問題
能直接從 YouTube 匯出 MIDI 檔案嗎？
不行。YouTube 提供的是音訊和影片，不是音符資料，所以沒有哪個設定或按鈕能直接給你 MIDI 檔案。你聽到的音符已經錄成聲音，要取得 MIDI，得用音訊轉 MIDI 工具分析錄音，辨識音高和每個音開始、結束的時間。你可以先擷取有權使用的音訊，再交給轉換工具，也能把連結貼到會自行取得音訊的工具裡。
音訊和 MIDI 有什麼差別？
音訊是實際聲音的錄音，例如 MP3 或 WAV，演奏時的聲音已經固定在錄音裡。MIDI 則是一份音符指令，記錄要彈哪個音、什麼時候開始、持續多久，以及演奏的力度。它儲存的是音符資料，所以事後還能換樂器、移動音符、修正音高或移調。MIDI 本身沒有聲音，要交給軟體或硬體樂器播放才會發聲。
把 YouTube 音樂轉成 MIDI，準確度如何？
準確度要看錄音的內容。只有鋼琴、吉他或一條人聲旋律，而且錄得清楚的音訊，通常轉得不錯。整首歌的混音如果有很多樂器同時發聲，辨識就比較難，工具得從重疊的聲音裡分出各個音符。先分離出一種樂器再採譜，結果會乾淨得多；單一旋律也比很多音同時發聲的複音容易辨識。轉完後還是要檢查，手動修正幾個音符，不要預期完全不用改就能直接使用。
要怎麼把 MIDI 檔案匯入 DAW？
多數 DAW 都能把 .mid 檔案直接拖到音軌上，也能用匯入指令。Ableton Live 可以拖到 MIDI 音軌，或用匯入 MIDI 檔案的指令。Logic Pro 可以直接拖入，或從檔案選單匯入，接著會詢問是否一併匯入速度資料。GarageBand 直接拖入後，選擇匯入速度資料。FL Studio 可以拖到樂器通道，或在鋼琴捲軸裡使用匯入 MIDI 檔案的指令。不管用哪一套，MIDI 音軌都要載入樂器才會發聲，因為 MIDI 只有音符資料。
