想象一下，把一段即兴的钢琴演奏直接转换成五线谱是什么体验？十年前这可能需要音乐专业的研究生花上数小时分析，而现在，一杯咖啡的时间就能自动生成可编辑的乐谱。这种被称为自动记谱的技术，背后是信号处理与音乐理论的精妙融合。
从声波到数字的蜕变
麦克风捕捉到的声音本质上是连续模拟信号，而计算机需要离散数字信号。通过奈奎斯特采样定理，44.1kHz的采样率足以还原20kHz以内的人耳可听范围。但采样后的数据还是时域上的振幅序列，完全看不出音高和节奏——这就需要进行时频变换。
频谱分析的魔法
短时傅里叶变换将音频切成数十毫秒的片段，把每个片段从时域转换到频域。这时候，单个钢琴键按下的声音会呈现为基频和一系列谐波组成的峰群。比如中央C的频率是261.63Hz，其谐波会出现在523.26Hz、784.89Hz等位置。
音高检测的挑战
独奏乐器相对简单，但遇到交响乐录音就棘手了。多个乐器同时发声时，频谱会变得像一团乱麻。这时候需要用到谐波乘积谱算法——将频谱在不同倍频处压缩后相乘，突出基频成分。实验数据显示，这种方法在复音环境下的准确率能达到85%以上。
节奏识别的智慧
音符时值的判断依赖onset检测技术。当新的音符开始时，频谱能量会突然变化。通过计算频谱通量，系统能捕捉到这些起始点。但连奏和断奏的处理很考验算法——连奏时音符之间没有明显间隙，需要结合音高变化来判断。
音乐语法的约束
raw的检测结果往往充满误差，这时候就需要引入音乐语法规则。比如在4/4拍小节中，音符时值总和必须等于4拍；属和弦后面通常接主和弦。这些规则构成概率模型，帮助系统修正明显的识别错误。
现在的自动记谱系统已经能处理爵士乐中的复杂节奏型，甚至识别出装饰音。不过遇到极度自由的rubato演奏时，算法还是会露出破绽——这或许正是人类演奏的魅力所在。
评论(12)
谐波乘积谱算法这个听着挺牛的
同感，技术很厉害
频谱分析那块儿能不能再讲细点儿？
之前扒谱扒得眼睛都快瞎了，这技术早点出来就好了。
有软件推荐吗？想试试把我弹的曲子转成谱子。
看不懂，但感觉很厉害的样子。
rubato演奏机器确实学不来，那种自由的感觉才是灵魂。
谐波乘积谱听着好复杂，复音识别85%准确率够用吗？
这个采样率解释得挺清楚，之前一直搞不懂为啥是44.1kHz。
已全部加载完毕