這次的目標(biāo)很明確把 Deltarune 相關(guān)素材里的《Sunset of Seven Suns》扒成 MIDI 和五線譜而不是只停留在“聽個大概”的階段。扒譜本身不是單步操作我把它拆成四段音頻分離、AI 音符轉(zhuǎn)錄、手動聽辨、MIDI 編配。整套流程在普通 PC 上就能跑AI 部分有 NVIDIA GPU 會明顯更快沒有 GPU 用 CPU 也能出結(jié)果代價是等待時間變長。如果你以前只會用耳朵硬扒這篇會把能交給工具的部分都交出去同時保留人工復(fù)核的關(guān)鍵環(huán)節(jié)。先說結(jié)論不存在“一鍵扒譜”的黑盒。Demucs、Basic Pitch 這些工具能快速給出候選信息但最終準(zhǔn)確率取決于兩步——分離出來的音軌干不干凈以及你愿不愿意花時間對著頻譜和節(jié)拍器做修正。下面按完整流程走一遍環(huán)境準(zhǔn)備、音頻分離、自動轉(zhuǎn)錄、聽辨校音、MIDI 重建、樂譜導(dǎo)出最后是常見問題排查和一批實(shí)戰(zhàn)建議。照著流程跑完你應(yīng)該能拿到一份可播放、可編輯的《Sunset of Seven Suns》扒譜產(chǎn)物。1. 扒譜工作流核心能力速覽先給一張速覽表方便你判斷這套流程適不適合現(xiàn)在的需求。維度說明扒譜對象Deltarune 相關(guān)音樂素材《Sunset of Seven Suns》輸出產(chǎn)物MIDI 文件、五線譜 PDF、DAW 編配工程核心工具鏈ffmpeg、Audacity、Demucs、Basic Pitch、DAW、MuseScore硬件下限普通 PC 可跑建議內(nèi)存 16GB 左右AI 加速條件NVIDIA GPU CUDA 可加速 Demucs 與 Basic Pitch是否需要音樂基礎(chǔ)需要基礎(chǔ)音高和節(jié)奏概念工具能降低門檻但無法完全替代判斷是否支持批量處理支持通過腳本循環(huán)處理多個音頻片段主要風(fēng)險AI 轉(zhuǎn)錄會出大量候選音符錯音、碎音必須人工清理這套流程的定位是“半自動扒譜”工具負(fù)責(zé)降低體力勞動耳朵負(fù)責(zé)最終驗(yàn)收。越到后面的步驟人工聽辨的比重越高這也是扒譜質(zhì)量提升最明顯的環(huán)節(jié)。2. 適用場景與版權(quán)邊界這套流程適合的典型場景包括想學(xué)編曲的人通過扒譜分析 Deltarune 風(fēng)格的旋律走向、和聲進(jìn)行和編配層次。游戲音樂分析者需要把音頻轉(zhuǎn)成可觀察的 MIDI做動機(jī)對比和結(jié)構(gòu)分析。MIDI 制作者需要一份能二次編輯的 MIDI 文件用于換音色、重編曲或做鋼琴改編。視頻與教學(xué)內(nèi)容創(chuàng)作者想把原曲片段做成可視化譜例或做逐句講解。不適合的場景很簡單如果你想要“點(diǎn)一下自動輸出完美譜面”的工具這套流程做不到目前市面上也很難有可靠的純自動方案。AI 轉(zhuǎn)錄工具會給你大量音符但里面通?；熘吐暦阂簟⒒祉懳惨艉妥R別錯誤必須用耳朵篩一遍。版權(quán)邊界這里必須說清楚。Deltarune 及其音樂素材的版權(quán)歸于原作者和相應(yīng)權(quán)利方?！禨unset of Seven Suns》的扒譜結(jié)果本質(zhì)上是對原曲的轉(zhuǎn)錄演繹。個人學(xué)習(xí)、編曲分析、內(nèi)部研究通常可以接受如果要公開發(fā)布樂譜、MIDI、翻奏視頻或者把扒譜結(jié)果用于商業(yè)項(xiàng)目請先確認(rèn)原曲方的授權(quán)要求。二次創(chuàng)作視頻里建議標(biāo)注原曲名稱、作者和版權(quán)歸屬不要把自己的扒譜結(jié)果包裝成官方譜。涉及音頻素材的下載和使用也請確保來源合法。3. 環(huán)境準(zhǔn)備與前置條件在開始扒譜之前先把基礎(chǔ)環(huán)境準(zhǔn)備好。操作系統(tǒng)用 Windows、macOS、Linux 都可以以下命令在 Windows PowerShell 和 macOS/Linux 終端里略有差異需要注意區(qū)分。首先檢查基礎(chǔ)命令是否可用ffmpeg -version python --version pip --version nvidia-smiffmpeg 負(fù)責(zé)音頻格式轉(zhuǎn)換和剪輯Python 環(huán)境用于運(yùn)行 Demucs 和 Basic Pitch。如果你用的是 NVIDIA 顯卡nvidia-smi能看到驅(qū)動版本和顯存信息方便后面判斷 GPU 是否可用。接下來創(chuàng)建獨(dú)立虛擬環(huán)境避免依賴沖突python -m venv venv # Windows venv\Scripts\activate # macOS / Linux source venv/bin/activate然后安裝兩個核心 Python 工具pip install demucs basic-pitch如果安裝速度慢可以先把 pip 源切到國內(nèi)鏡像再執(zhí)行安裝。安裝完成后確認(rèn)版本demucs --help basic-pitch --help兩者能正常打印幫助信息說明環(huán)境基本就緒。音頻素材準(zhǔn)備也在這步做。如果你手里是視頻文件先用 ffmpeg 提成雙聲道 WAVffmpeg -i source_video.mp4 -ac 2 -ar 44100 input.wav如果你打算只扒分段可以先把長音頻裁成若干小段再進(jìn)入后續(xù)流程。4. 音頻分離Demucs 部署與分軌驗(yàn)證扒譜第一道工序是“拆軌”。完整混音里樂器疊在一起AI 直接識別容易把鋼琴音、貝斯音、打擊樂音混成一片。先用音樂源分離模型把頻段和聲源拆開后面轉(zhuǎn)錄會干凈很多。Demucs 的默認(rèn)模型是 htdemucs支持鼓、貝斯、人聲、其他四軌分離。直接運(yùn)行demucs input.wav -o separated運(yùn)行完成后輸出目錄結(jié)構(gòu)通常是separated/htdemucs/input/ ├── bass.wav ├── drums.wav ├── other.wav └── vocals.wav如果原曲沒有人聲vocals.wav可能是空泛音或者很薄這是正?，F(xiàn)象。重點(diǎn)看bass.wav低音聲部和other.wav鍵盤、弦樂、合成器之類的中高頻聲部。對于《Sunset of Seven Suns》這類以氛圍和旋律見長的素材other.wav通常是最值得聽的一軌。分離完成后不要急著轉(zhuǎn)錄。先用播放器或 Audacity 聽一遍分離結(jié)果bass.wav里是否還有明顯鼓聲有的話說明分離不徹底。other.wav是否有嚴(yán)重的金屬感或頻段缺失說明模型對某些音色處理不佳。整體是否音量過小可以用 ffmpeg 做增益或直接在 DAW 里調(diào)。如果分離質(zhì)量不夠好可以換參數(shù)重新跑。例如只拆成人聲和伴奏兩軌demucs --two-stemsvocals input.wav -o separated這種模式對純 BGM 素材不一定更優(yōu)但值得試。分離質(zhì)量的判斷標(biāo)準(zhǔn)就一條能不能在某一軌里清楚聽到你這次要扒的聲部。需要提示的是Demucs 是個計算密集型模型。GPU 存在時它會默認(rèn)嘗試用 CUDA沒有 GPU 就自動落到 CPU速度慢很多。長音頻尤其明顯可以先裁剪成 30 到 60 秒的片段再逐個分離避免單次任務(wù)排隊(duì)太久。5. AI 音符轉(zhuǎn)錄Basic Pitch 使用與批量腳本分軌完成后進(jìn)入自動轉(zhuǎn)錄環(huán)節(jié)。這里用 Spotify 開源的 Basic Pitch它對單音樂器軌的轉(zhuǎn)錄效果比直接轉(zhuǎn)完整混音好很多。Basic Pitch 支持命令行和 Python API 兩種方式。先用命令行跑一次確認(rèn)輸出效果。basic-pitch /path/to/bass.wav /path/to/output_dir不同版本的具體參數(shù)略有區(qū)別先運(yùn)行basic-pitch --help查看當(dāng)前版本支持的選項(xiàng)。運(yùn)行完會得到多個文件主要包括MIDI 文件核心結(jié)果音符事件序列。CSV 文件每個音符的時間、音高、力度。模型輸出文件可選用于調(diào)試。不要在完整混音文件上直接跑。我的建議是分別對bass.wav和other.wav各跑一次再分別人工檢查。要扒完整首曲子建議把音頻切成 16 到 32 秒的樂句。這樣既方便聽辨也能避免長時間音頻帶來的顯存和內(nèi)存壓力。手動一段段跑會累。下面給一個批量處理的 Python 腳本用 subprocess 調(diào)用 Demucs 和 Basic Pitchimport subprocess from pathlib import Path chunk_dir Path(./chunks) # 放切好的音頻片段 separated_dir Path(./separated) # Demucs 輸出目錄 transcribe_dir Path(./transcribed) # Basic Pitch 輸出目錄 transcribe_dir.mkdir(exist_okTrue) for wav in sorted(chunk_dir.glob(*.wav)): print(fprocess: {wav.name}) # 1. Demucs 分離 subprocess.run( [demucs, str(wav), -o, str(separated_dir)], checkTrue, ) # 2. 對貝斯軌轉(zhuǎn)錄 bass_path separated_dir / htdemucs / wav.stem / bass.wav if bass_path.exists(): target transcribe_dir / f{wav.stem}_bass subprocess.run( [basic-pitch, str(bass_path), str(target)], checkTrue, )這個腳本沒有處理失敗重試真正批量跑的時候建議每段都輸出日志失敗后單獨(dú)記錄。使用類似結(jié)構(gòu)時把路徑和命令參數(shù)替換成你自己環(huán)境里的實(shí)際配置即可。轉(zhuǎn)錄之后不要去直接使用 MIDI。Basic Pitch 輸出的音符往往很碎會出現(xiàn)同一個音被切成多個短音符泛音被識別成高八度或額外音符混響尾音被當(dāng)成延長音。所以在進(jìn)入 DAW 前先用腳本或編輯器做一次基礎(chǔ)清洗刪掉低力度短時值音符再人工打開 MIDI 檢查。6. 手動聽辨與和聲分析自動轉(zhuǎn)錄只是初稿決定扒譜上限的是人工聽辨。第 6 章解決三個核心問題曲速、旋律音高、和聲性質(zhì)。先定速。把分離出來的other.wav或原曲拖進(jìn) DAW在時間軸開頭設(shè)置拍號然后播放錄音用節(jié)拍器慢慢對齊。不要憑感覺猜 BPM最好手動點(diǎn)幾段確認(rèn)速度是否穩(wěn)定。如果原曲有變速還需要用 DAW 的節(jié)拍映射tempo map功能逐段標(biāo)記。定調(diào)。聽完整段主旋律留意最后落點(diǎn)落音。把旋律里出現(xiàn)頻率最高的音和結(jié)束音對照多數(shù)情況下結(jié)束音就是主音。比如旋律明顯落在 C并且全曲音階素材基本來自 C 大調(diào)那可以初步判斷是 C 大調(diào)如果再發(fā)現(xiàn)很多黑鍵和半音進(jìn)行就考慮關(guān)系小調(diào)或轉(zhuǎn)調(diào)、離調(diào)。旋律扒寫。在 DAW 里加載主旋律軌開啟慢放功能把速度調(diào)到 50% 甚至更低同時保持音高不變。大多數(shù) DAW 都有這個選項(xiàng)名字可能是 Repitch、Elastic、Flex Time。逐句聽逐音在鋼琴卷簾里點(diǎn)出來。如果某個音不確定使用頻譜工具看基頻比如 A2 是 110HzA3 是 220HzA4 是 440Hz基頻位置可以直接告訴你音名。低音扒寫。低音是判斷和弦的基礎(chǔ)。用分離好的bass.wav把 EQ 調(diào)到 60Hz 到 300Hz 增強(qiáng)聽根音走向。不要一次性聽整段按小節(jié)記。貝斯音通常每小節(jié)一兩個音先把根音記準(zhǔn)后面和弦性質(zhì)才好判斷。和弦分析。拿到旋律和低音后開始標(biāo)和弦。常見步驟先根據(jù)貝斯根音鎖定每個和弦的根音再根據(jù)旋律里的強(qiáng)拍音判斷這個和弦是包含該音的大調(diào)、小調(diào)還是七和弦最后用“聽感是否符合小節(jié)情緒”來復(fù)核。舉個例子如果某小節(jié)貝斯根音是 C旋律強(qiáng)拍音是 E那么這個位置大概率是 C 大調(diào)主和弦如果旋律強(qiáng)拍音是 Eb則可能變成 C 小調(diào)。這只是示例具體要對到原曲實(shí)際聽感。這個階段可以借助 DAW 里的調(diào)性檢測插件但插件結(jié)果僅供參考。和聲判斷最終要回到“低音 旋律 聽感”三者一致。7. MIDI 重建、編配與樂譜導(dǎo)出人工聽辨完成之后把初稿 MIDI 重新整理成更接近原曲的成品。這部分在 DAW 里完成推薦流程如下。首先建立聲部軌道主旋律軌通常用 Lead 音色或鋼琴音色。副旋律軌如果有對位旋律單獨(dú)一軌。低音軌貝斯根音。和聲軌pad 或弦樂長音。打擊樂軌如果有鼓盡量還原節(jié)奏型和镲片。然后從鋼琴卷簾里修音符。第一步做量化參考你之前確認(rèn)的最小音符時值通常是八分或十六分音符。量化不要拉滿保留一點(diǎn)點(diǎn)人性化偏移否則聽起來會很呆。第二步調(diào)力度把每段旋律的起伏做出來強(qiáng)拍音力度大一些過渡音弱一些。第三步檢查音符重疊避免同一個 MIDI 音符疊了兩個同音高的短音。編配階段可以不用追求“一個音不差”。扒譜的目的是理解原曲只要旋律、低音、和弦和整體節(jié)奏型準(zhǔn)確剩余細(xì)節(jié)可以按需保留。MIDI 整理完成后生成五線譜。推薦用 MuseScore 這類免費(fèi)制譜軟件導(dǎo)入 MIDIMuseScore 支持直接打開 MIDI 文件。整理譜面檢查調(diào)號、拍號、聲部分配、連音線、踏板標(biāo)記。導(dǎo)出 PDF在 GUI 里通過文件導(dǎo)出即可部分版本也支持命令行轉(zhuǎn)換具體以你安裝的版本幫助信息為準(zhǔn)。# 命令行導(dǎo)出示例不同版本參數(shù)可能不同請以本機(jī)幫助為準(zhǔn) musescore4 midi_output.mid -o score.pdf導(dǎo)出后檢查譜面。如果五線譜上出現(xiàn)大量不合理的增時線、休止符移位、空拍錯位多半是 MIDI 量化殘留問題回到 DAW 再修一遍不要直接拿這個譜面發(fā)布。成品驗(yàn)證用一個 A/B 對比方法在 DAW 里把原曲放在 A 軌MIDI 編配放在 B 軌同步播放逐段切換靜音對比旋律輪廓、低音進(jìn)行、和弦色彩是否一致。不一致的地方在鋼琴卷簾里直接改改完再聽直到每個樂句閉合。8. 資源占用與性能觀察這套流程里最吃資源的是 Demucs 和 Basic PitchDAW 和 MuseScore 反而壓力不大。如果你準(zhǔn)備批量扒長曲資源占用要提前心里有數(shù)。先看 GPU。安裝好顯卡驅(qū)動后在另一個終端窗口運(yùn)行nvidia-smi -l 1每秒刷新一次顯存和 GPU 利用率。Demucs 跑長音頻時顯存占用會明顯上升具體數(shù)值和音頻時長、模型尺寸、批處理大小直接相關(guān)不能一概而論。CPU 跑則看任務(wù)管理器或top的 CPU 占用通常會把多核打滿。降低負(fù)載的方法把音頻切成 30 到 60 秒片段逐段處理分離和轉(zhuǎn)錄分開跑不要同時開多個任務(wù)不需要轉(zhuǎn)鼓的話先用--two-stemsvocals或只分離需要的聲部轉(zhuǎn)錄時只投喂單樂器軌不要投喂完整混音批量腳本里加sleep間隔避免短時間連續(xù)啟動多個任務(wù)導(dǎo)致資源耗盡。顯存不足時優(yōu)先縮短音頻長度而不是降采樣率。44.1kHz 的音頻信息密度已經(jīng)足夠降采樣到 22050Hz 雖然能省內(nèi)存但會損失高頻泛音影響音高判斷。端口和服務(wù)問題在扒譜場景不常見但如果你把轉(zhuǎn)錄封裝成 Web 服務(wù)或 API 給團(tuán)隊(duì)用就要注意并發(fā)任務(wù)和日志記錄避免長時間任務(wù)把線程池占死。9. 常見問題與排查方法扒譜過程會遇到的問題集中在依賴、分離質(zhì)量、轉(zhuǎn)錄碎音和聽辨偏差上。下面列成表格方便對照排查。問題現(xiàn)象可能原因排查方式解決思路Demucs 安裝失敗或下載模型慢PyPI 源慢、依賴沖突查看 pip 安裝日志切換國內(nèi) pip 鏡像源手動放置模型緩存Demucs 輸出雜音明顯輸入音頻本身帶壓縮噪底聽原始 WAV確認(rèn)素材質(zhì)量先做降噪或 EQ 處理再重新分離分離結(jié)果里人聲混入伴奏軌模型分離能力有上限用頻譜查看對應(yīng)頻段換成兩軌分離或者按頻段手動補(bǔ)切Basic Pitch 輸出音符太碎混響、延音、泛音干擾打開 MIDI 鋼琴卷簾查看只對分離后的單樂器軌轉(zhuǎn)錄調(diào)高音符置信度閾值BPM 對不上原曲變速或無鼓點(diǎn)手動點(diǎn)拍逐段標(biāo)記在 DAW 中建立速度映射不依賴自動測速低音聽不清監(jiān)聽耳機(jī)低頻不足使用頻譜工具看基頻用 EQ 提升 60Hz 到 300Hz單獨(dú)聽 bass 軌和弦判斷反復(fù)出錯只靠旋律音判斷忽略低音先寫貝斯根音再配和弦性質(zhì)根音 三音 強(qiáng)拍旋律音三者對齊后再定MIDI 導(dǎo)入 MuseScore 譜面混亂量化不嚴(yán)、聲部未分軌檢查 MIDI 事件時值和力度回到 DAW 修正量化按聲部分開 MIDI 通道CUDA 相關(guān)報錯驅(qū)動、PyTorch 版本不匹配運(yùn)行 nvidia-smi 查看 CUDA 版本按項(xiàng)目要求的 CUDA 版本重裝 PyTorch或暫時用 CPU 推理批量任務(wù)中途卡死內(nèi)存不足、顯存不足查看系統(tǒng)日志和資源監(jiān)控縮短音頻片段增加批處理失敗重試邏輯最終 MIDI 與原曲聽感差異大音色、力度、混音差異A/B 對比播放優(yōu)先確認(rèn)旋律和低音再補(bǔ)力度和表情細(xì)節(jié)一個容易忽略的點(diǎn)是如果分離出來的某一軌明顯失真或缺失頻段不要硬用回去調(diào)整分離參數(shù)。自動轉(zhuǎn)錄工具對輸入質(zhì)量非常敏感輸入軌不干凈輸出必然亂。10. 扒譜最佳實(shí)踐與后續(xù)擴(kuò)展最后這部分是給實(shí)際操作時用的建議。第一次不建議直接扒全曲先挑 16 到 32 秒的完整樂句走完“分離、轉(zhuǎn)錄、人工修、導(dǎo)出”的閉環(huán)。跑通以后再擴(kuò)展到整首。工程目錄建議這樣規(guī)劃project/ ├── source/ # 原始音頻素材 ├── chunks/ # 切分后的音頻片段 ├── separated/ # Demucs 分軌結(jié)果 ├── transcribed/ # Basic Pitch 轉(zhuǎn)錄結(jié)果 ├── midi/ # 人工整理后的 MIDI ├── score/ # 導(dǎo)出的 PDF 樂譜 └── logs/ # 批量任務(wù)日志分目錄管理的好處是中途某一步的生成結(jié)果可以被反復(fù)對比不用從零重跑。批量任務(wù)一定要加日志和失敗重試長時間任務(wù)如果中途斷了至少能定位到哪一段出問題而不是全部重來。音樂素材的授權(quán)問題要始終保持敏感。扒譜結(jié)果可以用于個人學(xué)習(xí)和分析公開傳播前務(wù)必確認(rèn)原曲版權(quán)許可。如果要把 MIDI 或樂譜發(fā)布到社區(qū)最好附上原曲信息、扒譜者信息和“僅限學(xué)習(xí)交流”的說明。后續(xù)可以繼續(xù)擴(kuò)展的方向有幾條把 MIDI 導(dǎo)入不同音源做鋼琴改編版或電子重編曲導(dǎo)出 MusicXML配合教學(xué)工具做逐句講解把分離和轉(zhuǎn)錄封裝成 Python 服務(wù)接入自己的批處理流程對比不同 AI 轉(zhuǎn)錄模型的效果找一個最適合 Deltarune 風(fēng)格音頻的組合。扒譜這件事工具能幫你省掉大量重復(fù)勞動但決定準(zhǔn)確度上限的仍然是監(jiān)聽和判斷。先跑通這篇的完整流程再針對曲目特點(diǎn)調(diào)整參數(shù)你會慢慢找到屬于自己的扒譜節(jié)奏。整個過程最值得花時間的不是安裝和命令而是第 6 章那部分靜下來聽音的環(huán)節(jié)。建議先收藏這份流程等真正動手扒《Sunset of Seven Suns》時再對照著一步一步來。