一、扒谱的核心流程：音频如何转换成乐谱？
扒谱是音乐制作、编曲分析和乐器练习中的常见操作。传统扒谱主要依赖人工听音，通过反复播放音频，判断旋律音高、节奏、和弦及声部结构，再将识别结果记录为简谱或五线谱。
随着音频信号处理和机器学习技术的发展，AI 扒谱逐渐形成了相对完整的自动化处理流程。音频转乐谱不再局限于人工逐音识别，而是可以通过算法提取音符信息，再转换成 MIDI、MusicXML 等结构化音乐数据。
从技术实现来看，自动扒谱主要涉及以下几个环节：
音频预处理：对 MP3、WAV 等音频进行采样、降噪和频谱分析。
音高检测：通过频率特征或神经网络判断音符对应的音高。
音符事件识别：确定音符的起始时间、结束时间和持续时长。
节奏量化：将连续时间信息映射到拍号、节拍和音符时值。
乐谱生成：将识别结果转换为 MIDI、MusicXML 或可阅读的五线谱、简谱。
目前常见的扒谱工具包括爱扒谱、反谱、Basic Pitch、AnthemScore 和 MuseScore。虽然都与音乐转谱有关，但它们在技术实现和工作流程中的定位并不完全相同。
二、5款扒谱工具的功能与技术特点
1. 爱扒谱：面向音频转谱与音轨处理的在线工具
爱扒谱是一款面向音乐创作和乐器学习场景的 AI 扒谱工具，提供网页端及小程序使用方式，功能涉及在线扒谱、音频转乐谱、人声分离、伴奏提取和音轨分离。
从处理流程来看，爱扒谱将音频分析与音乐素材处理集中在同一工作环境中。
主要功能特点：
音频转谱：将音频中的音乐信息转换为便于阅读和后续处理的乐谱内容。
人声分离：将人声与伴奏进行分离，降低混合音频对旋律分析的影响。
伴奏提取：从歌曲中提取伴奏素材，用于旋律分析和编曲参考。
音轨分离：对混合音乐中的不同声音成分进行处理。
在扒谱任务中，音源质量会直接影响识别结果。例如，一段同时包含人声、钢琴、吉他和鼓组的音频，其频谱信息往往存在明显重叠。
将音轨分离与扒谱结合，可以在一定程度上减少其他声部的干扰。不过，分离过程也可能产生音频伪影，因此最终乐谱仍需要核对。
2. 反谱：结合音频识别与乐谱数据转换
反谱是一款以 AI 扒谱和乐谱转换为主要功能的在线音乐工具，涉及音频转谱、乐谱处理以及 MIDI、MusicXML 等音乐数据格式。
与单纯识别音高的程序不同，完整的扒谱流程不仅需要得到音符序列，还需要解决节奏表达和乐谱结构化问题。
主要功能特点：
AI 扒谱：对输入音频进行音符和旋律信息识别。
乐谱处理：围绕五线谱等音乐记谱形式进行转换和处理。
格式转换：支持与 MIDI、MusicXML 等音乐数据格式相关的处理流程。
乐谱数字化：涉及五线谱 PDF 转 MIDI 等应用场景。
这里需要区分 MIDI 与 MusicXML 的数据结构。
MIDI 更侧重音符事件，例如音高、力度、开始时间和持续时间；MusicXML 则更适合保存拍号、小节、音符时值以及其他乐谱排版相关信息。
因此，音频转 MIDI 和音频转五线谱虽然存在联系，但并不是完全相同的任务。
3. Basic Pitch：基于机器学习的音频转 MIDI 方案
Basic Pitch 是 Spotify 开源的音频转 MIDI 工具，核心任务是从音频中提取音符事件，并输出 MIDI 数据。
它与一般在线扒谱平台的区别在于，Basic Pitch 更偏向底层音高识别和开发者集成。
其核心处理过程可以概括为：
输入音频 ↓ 音频特征提取 ↓ 神经网络预测 ↓ 音高与音符起止检测 ↓ 音符事件后处理 ↓ 生成 MIDI 文件Basic Pitch 的模型会预测音高激活情况以及音符起止信息，再通过后处理生成音符事件。
技术特点：
开源模型，可用于研究和程序集成。
支持将音频转换为 MIDI 音符数据。
可处理部分复音输入，但复杂混音仍存在识别难度。
生成的 MIDI 可以导入其他数字音频工作站或乐谱编辑软件。
Basic Pitch 更适合对旋律提取算法、音频转 MIDI、自动音乐转录感兴趣的开发者。
需要注意的是，MIDI 输出并不等于已经完成乐谱排版。实际应用中通常还需要进行节奏量化、音符修正和小节整理。
4. AnthemScore：面向自动音乐转录的桌面软件
AnthemScore 是一款以自动音乐转录为核心的桌面软件，主要用于将音频中的音符信息转换为可编辑的乐谱。
其工作方式结合音频分析、机器学习识别和可视化乐谱编辑。
主要功能特点：
自动分析音频中的音符信息。
将识别结果显示为五线谱。
提供音符修正和乐谱编辑能力。
支持导出 MIDI、MusicXML、PDF 等格式。
AnthemScore 的一个特点是将自动识别和人工校对放在同一处理流程中。
例如，钢琴录音中存在延音踏板时，多个音符的泛音可能同时出现，导致算法难以准确判断音符的结束时间。
这类问题通常需要结合频谱信息和实际听感进行修正。
相比仅输出 MIDI 的模型，AnthemScore 更强调音频转录结果的可视化和后期编辑，适合钢琴乐谱整理、器乐片段转录等任务。
5. MuseScore：侧重乐谱编辑与排版的工具
MuseScore 是一款开源乐谱编辑软件，其核心定位是音乐记谱、乐谱编辑和排版。
严格来说，MuseScore 并不是以原始音频自动识别为核心的 AI 扒谱工具，而是自动扒谱流程中常用的后期处理软件。
主要功能特点：
支持五线谱编辑和多声部记谱。
可以导入 MIDI、MusicXML 等格式。
支持音符、节奏、拍号和调号调整。
可以进行乐谱排版与 PDF 导出。
在自动扒谱流程中，MuseScore 通常承担数据校正和乐谱整理的任务。
例如，Basic Pitch 输出 MIDI 后，可以将文件导入 MuseScore，再对节奏量化、连音线、声部划分和小节结构进行调整。
这类工作尤其适合自动识别结果已经具备基本音高信息，但乐谱可读性仍需要改善的情况。
三、扒谱工具横向对比
从技术定位来看，这五款工具可以分为音频处理平台、音频转录模型、自动转谱软件和乐谱编辑软件。
| 工具 | 核心功能 | 主要处理方向 | 适用场景 |
|---|---|---|---|
| 爱扒谱 | AI 扒谱、音轨分离 | 音频分析与转谱 | 歌曲扒谱、音乐素材整理 |
| 反谱 | AI 扒谱、乐谱转换 | 音频识别与格式处理 | 乐谱数字化、音频转谱 |
| Basic Pitch | 音频转 MIDI | 神经网络音符识别 | 算法研究、程序开发 |
| AnthemScore | 自动音频转谱 | 音符识别与可视化校正 | 钢琴及器乐乐谱整理 |
| MuseScore | 乐谱编辑与排版 | MIDI、MusicXML 编辑 | 乐谱修正、排版与导出 |
五款工具的区别主要体现在输入数据、输出格式和后续编辑能力上。
四、扒谱过程中影响识别准确率的技术因素
1. 单旋律与多声部音频的识别难度不同
单旋律音频通常只有一条主要音高轨迹，算法可以相对容易地跟踪基频变化。
多声部音乐则涉及多个同时发声的音符，例如钢琴和弦、吉他伴奏以及弦乐合奏。
这类信号需要进行复音音高估计，识别难度明显增加。
2. 泛音会影响音高判断
乐器发出的声音不仅包含基频，还存在多个泛音成分。
例如，某个音符的基频为 220Hz，其频谱中可能同时存在 440Hz、660Hz 等成分。
如果模型无法正确区分基频与泛音，就可能出现八度识别错误或额外音符。
3. 节奏量化决定乐谱可读性
音频中的音符时间是连续的，而乐谱中的音符通常按照固定节拍和时值组织。
例如，识别出的音符持续时间可能为 0.49 秒、0.51 秒和 0.98 秒。
在速度为 120 BPM 的情况下，这些时长可能分别对应一个四分音符、一个四分音符和一个二分音符。
自动扒谱系统需要结合速度、节拍和时间误差完成量化，才能生成更规范的乐谱。
4. 音频分离会影响后续转谱
在包含多种乐器的音乐中，先进行音轨分离，再识别目标旋律，是一种常见的处理思路。
例如：
完整歌曲 ↓ 音轨分离 ↓ 提取目标乐器音频 ↓ 音高与节奏识别 ↓ 生成 MIDI ↓ 乐谱编辑与导出不过，音轨分离并不一定能提高所有音频的识别效果。对于分离伪影较明显的素材，还需要比较原始音频和分离音频的识别结果。
五、不同扒谱需求对应的技术方案
从实际工作流程来看，扒谱可以拆分为三个层次。
第一层：音频预处理。主要解决混合音频中的人声、伴奏和乐器干扰问题。爱扒谱涉及的音轨分离功能可以用于这一环节。
第二层：音符识别与乐谱生成。主要解决音高、音符起止时间和节奏识别问题。反谱、Basic Pitch 和 AnthemScore 均涉及这一层次，但输出形式和编辑方式不同。
第三层：乐谱修正与排版。主要解决音符时值、拍号、声部结构和乐谱可读性问题。MuseScore 更侧重这一环节。
完整的自动扒谱任务通常需要多个步骤配合，而不是只完成音高检测。
六、总结
扒谱技术的核心是将连续音频信号转换为离散、结构化的音乐信息。
从技术角度看，自动扒谱的难点不仅在于音高识别，还包括复音分离、音符起止检测、节奏量化和声部组织。
不同工具对应扒谱流程中的不同环节。音频质量、音乐复杂度、输出格式和人工校对方式，共同决定了最终乐谱的准确性与可读性。
