MP3 转 MIDI 转换器
在浏览器本地将 MP3、WAV 等音频转成可编辑的 MIDI。选择音源、添加文件、预览音符并下载；免费且无需注册。
完整歌曲 Fast 属于实验性功能。清晰人声、钢琴或单独乐器请选择对应模式，通常能获得更合适的识别结果。
选择“完整歌曲”后可启用 HQ Local。所有当前转换模式都会把源音频保留在你的设备上。
2. 选择或拖入文件，开始转换
或点击选择文件 — MP3、WAV、M4A、FLAC、OGG、AIFF、MP4、MOV
已就绪 · 只有开始转换时才会加载所选模型
清理与速度
这会把 General MIDI 音色编号写入下载文件。之后仍可在 DAW 中替换成任意乐器。
高级设置
钢琴卷帘
0:000:00
支持的格式
解码使用浏览器自带的音频解码器，因此只要文件能在你的浏览器中播放，通常就能在这里转换。
音频
- MP3 .mp3
- WAV .wav
- M4A / AAC .m4a .aac
- FLAC .flac
- AIFF / AIF .aiff .aif
- OGG / OGA .ogg .oga
- Opus .opus
- WebM .webm .weba
视频 （只读取音轨，忽略画面）
- MP4 .mp4
- M4V .m4v
- MOV .mov
浏览器会按所选引擎准备音频：GAME 和 Transkun 使用 44,100 Hz，Basic Pitch 使用 22,050 Hz。HQ Local 会先通过 WebGPU 分离出六个 44.1 kHz 音轨，再进行转录。
如何把 MP3 转换为 MIDI
- 拖入文件。 支持上面列出的格式。处理时间取决于所选引擎和设备性能；HQ Local 的计算量明显高于 Fast。
- 等待钢琴卷帘显示结果。 页面会展示识别到的音符数量、音高范围以及它们在时间轴上的位置。
- 下载 .mid 文件。 这是标准 MIDI 文件，可在 Ableton、FL Studio、Logic、GarageBand、MuseScore 或其他编辑器中继续修改音符、乐器或调性。
这属于音频转录，而不是简单的格式转换。唱歌请选择“人声”，独奏钢琴请选择“钢琴”，单独乐器请选择对应模式。完整歌曲的 Fast 会直接转录混音；HQ Local 会使用你的 GPU 先分离六个音轨，再在本地生成多轨 MIDI。
使用指南（英文）
以下文章目前为英文，包含工具使用技巧和实际限制。
常见问题
这个音频转 MIDI 工具免费吗？
是的。无需账号、邮箱或信用卡，也没有每日次数限制。模型运行在你的设备上，因此没有需要转嫁给用户的服务器计算费用。
我的文件会上传到服务器吗？
不会。Fast 和 HQ Local 都在浏览器本地处理源音频；HQ Local 会使用设备的 WebGPU 进行分轨。需要时只下载模型文件，歌曲不会上传到转换服务器。
除了 MP3，也能把 WAV 转成 MIDI 吗？
可以。同一个工具也支持 WAV、M4A、FLAC、OGG 等格式转 MIDI。只要浏览器能播放该文件，这个页面通常就能读取。WAV 和 FLAC 压缩损失更少，因此与同一录音的低码率 MP3 相比，音符识别往往会更干净一些。
最终会得到什么文件？
会得到标准 MIDI 文件（.mid）。单音源模式使用 MIDI Format 0，每四分音符 480 ticks，并写入从音频测得的速度。人声模式会提取主要旋律线，乐器模式可以保留重叠音符和和弦，可直接导入 DAW 或制谱软件。
转换准确度怎么样？
准确度取决于音源，本页面不会随意给出一个百分比。转换完成后会先显示音符数量、音高范围和钢琴卷帘，你可以在下载前直接判断结果是否合理，而不是导入 DAW 后才发现问题。
包含多种乐器的完整歌曲也能处理吗？
可以，有两种方式。Fast 模式直接转录最终混音；HQ Local 使用 WebGPU 把歌曲分成六个音轨——人声、钢琴、吉他、贝斯、鼓和其他——分别转录后写入 MIDI Format 1 多轨文件。鼓轨目前在分离后使用本地的起音/频率分类生成。
文件长度或大小有限制吗？
页面本身没有设置固定限制，实际限制来自你的设备性能。文件越长，耗时和内存占用越高；几分钟长度的音频通常更适合在电脑或手机上处理。
手机上能用吗？
可以。页面针对移动端做了适配，拖放区域、按钮和钢琴卷帘都能在手机屏幕上使用。不过手机处理较长文件通常会比电脑慢。
MIDI 文件会写入什么速度？
工具会根据音符起音测量速度并写入 MIDI，同时使用同一速度计算音符位置，因此音符会保持与原录音一致的实际时间，节拍线也会尽量对齐音乐。如果无法检测到稳定节拍，则回退到 120 BPM，并在面板中提示。你也可以关闭速度写入，之后在 DAW 中自行设置。
转换时使用哪些模型？
网站会根据音源类型选择模型：人声 / 哼唱使用 GAME，钢琴使用 Transkun V2，吉他 / 贝斯 / 其他乐器使用 Basic Pitch。HQ Local 会先用 BS-RoFormer WebGPU 分离六个音轨，再把有音高的音轨交给对应引擎；分离出的鼓轨会在本地转换成 GM 鼓事件。