Music to MIDI

Music to MIDI

把音频文件转换成可编辑的 MIDI 或分离的 WAV 音轨，提供七种模式，包括多乐器和钢琴转写，适合音乐人和制作人。

由 mason369 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Music to MIDI 能把 MP3、WAV、FLAC、OGG 或 M4A 文件转成可编辑的 MIDI，也能把它拆成单独的 WAV 音轨。这个 Space、桌面版和 Colab 笔记本共用七种模式：SMART、VOCAL_SPLIT、SIX_STEM_SPLIT 和四种钢琴模式。它背后用到的模型包括 MuScriptor、YourMT3+、MIROS 和几个钢琴转写模型。

适合谁：想从一段录音得到 MIDI 文件、好自己编辑音符的音乐人、编曲人和制作人。

行业 | 谁在用 | 怎么用 | 例子
音乐制作 | 制作人和编曲人 | 把录音转成可编辑的 MIDI | 从一小段音频里提取旋律
钢琴教学 | 老师和学生 | 把钢琴演奏转写成音符 | 从一段简短的钢琴录音得到 MIDI 文件
音频编辑 | 音频剪辑师 | 把一条音轨拆成人声、伴奏或六条分轨 | 把人声从伴奏里分离出来

如果你需要在托管页面上转换整首歌，可以跳过它，因为 ZeroGPU 只接受非常短的片段。

用在哪里：

• 网页浏览器，在 Hugging Face 上这个 Space 的页面里，需要先登录
• Windows、macOS 或 Linux 上的 Python 3.12.12，用于你自己运行的副本
• 桌面版或 Colab 笔记本，来源说它们使用同样的模式

使用场景 | 谁用 | 得到什么
直接转写 | 音乐人 | 点一下就得到一个 MIDI 文件
分轨分离 | 音频剪辑师 | 可以逐条处理的 WAV 音轨
逐轨转写 | 编曲人 | 每条分离音轨各自的 MIDI 文件，并可单独选模型

如何设置：在托管页面上你只需要登录。在自己电脑上运行副本则要准备更多东西。

• 一个 Hugging Face 账号，因为托管页面上的转换需要登录
• Python 3.12.12 和 pip 工具
• requirements.txt 里的软件包和 packages.txt 里的系统软件包
• 如果要用 MuScriptor 路线，需要在三个受限仓库上接受条款，并设置一个名为 HF_TOKEN 的私有密钥

1. 安装 Hugging Face hub 包。
2. 把这个 Space 的文件下载到一个文件夹里。
3. 进入该文件夹。
4. 安装指定版本的 Gradio。
5. 安装 requirements.txt 里的软件包。
6. 启动 app.py。

pip install -U huggingface_hub
hf download mason369/music-to-midi --repo-type space --local-dir music-to-midi
cd music-to-midi
pip install gradio==6.17.3
pip install -r requirements.txt
python app.py

在 Space 副本上，请把令牌保存为设置里 Variables and secrets 下的私有密钥。公开变量、仓库或日志都不是受支持的存放位置。

如何使用：登录，上传一个音频文件并选一种模式。五种直接转写模式点一下就生成 MIDI 文件。两种分离模式会生成 WAV 音轨并打开多轨工作台，每条音轨有自己的模型和自己的开始按钮。

python app.py

工具 | 作用
SMART | 把多种乐器转写成 MIDI，乐器列表可以自动识别，也可以自己选
VOCAL_SPLIT | 分离出人声 WAV 和伴奏 WAV
SIX_STEM_SPLIT | 把音频分离成六条 WAV 音轨
钢琴模式 | 用四种钢琴模型之一，把钢琴音频直接转写成 MIDI
多轨工作台 | 每条音轨提供十三种转写路线，并有单独的开始按钮

示例：你登录后上传一段简短的钢琴旋律 MP3，选一种钢琴模式并点一下。你会得到一个音符可以编辑的 MIDI 文件。超过 2.50 秒的片段在 ZeroGPU 上会被拒绝，更长的音频请用自带 GPU 的副本或 Colab。

新手与专家：MIDI 是一份音符文件，而不是声音，所以转换之后你还能修改某个音符、速度或乐器。第一步，上传几秒钟的钢琴独奏，使用其中一种钢琴模式。

SMART 使用 MuScriptor，窗口为 5 秒，并带有前奏强制。Beat This 节拍网格用来校正起音，并设定速度和小节相位。乐器选择为空表示自动检测，填写后则成为生成约束。默认路线是 YourMT3+，MIROS 加 MusicFM 是另一条路线。ZeroGPU 的限制是准入估算，不是实测运行时间。

登录并上传音频
选择直接模式或分离模式
应用估算 GPU 用量并检查上限
模型运行，然后你编辑 MIDI 或 WAV

注意事项：

• Limits: ZeroGPU 适合短片段，如果一个任务的估算超过免费登录账户 300 GPU 秒的窗口，应用就会拒绝它
• License: MIT 只覆盖这个 Space 自己的应用代码，第三方代码、检查点、SoundFont 和数据集仍按各自的许可使用
• Cost to run: 免费的 Hugging Face 账号每天有 5 分钟 ZeroGPU，副本还需要一个能访问受限 MuScriptor 仓库的 HF_TOKEN 密钥
• Data it reaches: 你上传的音频，从 Hugging Face Hub 拉取的模型和数据集，以及副本上的 HF_TOKEN 密钥
• Not for: 在 ZeroGPU 上处理长音频，或者商用 MuScriptor 权重，它们是受限的，许可为 CC BY-NC 4.0

Title: ZeroGPU 准入检查接受的最长音频
SMART 默认: 2.00 s
SMART 搭配 MIROS: 1.00 s
SMART 搭配 MuScriptor Large: 0.833 s
SMART 搭配 MuScriptor Medium: 2.083 s
SMART 搭配 MuScriptor Small: 3.571 s
VOCAL_SPLIT: 0.666 s
SIX_STEM_SPLIT: 0.277 s
钢琴直接转写模式: 2.50 s

Hugging Face 上的数据（2026年11月13日）

• 点赞：9
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/mason369/music-to-midi
• 文件：https://huggingface.co/spaces/mason369/music-to-midi/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。