生成平台支持 MIDI 导出之后一条新的工程链路出现了音频 → 音符信息 → 编曲软件 → 重新产出音频。这条链路上真正容易出问题的不是能不能导而是导出来之后的一系列对齐与清理工作。这篇把这段流程拆开讲。一、先理解数据的来源MIDI 是从已有音频里提取出来的不是原始工程文件。这一点决定了它的两个特点。特点一它是估计值。音高、时值、力度都是算法推算的结果复杂编配容易出错密集的和声容易糊在一起。特点二它不含处理层。混响、延迟、压缩这些效果不在音符信息里所以导出来直接播会显得干。理解这两点就不会期待导出来和原曲一模一样也不会在发现不一致时以为是操作失误。二、速度与拍号对齐这是整条链路里最容易被跳过、也最容易造成返工的一步。导入之后先做三件事确认工程速度与文件一致确认拍号一致确认第一个音落在正确的小节线上。# 结构示意导入后的三条校验 if abs(project.bpm - clip.bpm) 0.5: raise ValueError(速度不一致音符会整体偏移) if project.time_signature ! clip.time_signature: raise ValueError(拍号不一致小节线会错位) if clip.first_note_offset_ms 30: print(起始位置有偏移建议手动对齐第一小节)三项里速度的容差最小。几十毫秒的起始偏移可以手动挪但速度差一点点整首歌会越走越偏末尾可能差出好几拍。三、轨道映射与清理提取出来的分轨通常比实际编排要多——算法会把泛音、尾音也识别成独立声部。清理是必要的一步。先合并明显同源的轨道。同一个乐器拆成两三轨的情况很常见听感上它们是连续的应该并成一轨。再删掉没有内容的空轨。有些轨道只有零星几个音多半是识别噪声。最后给轨道分类命名。按低音、和声、主旋律、点缀分层。分类之后后续处理才有依据。# 按音域和作用给轨道打标签便于分层处理 def classify(track): avg average_pitch(track) if avg 48: return bass if is_chordal(track): return harmony if track.note_count 40 and avg 60: return lead return texture清理这一步的工作量取决于原曲复杂度简单编配可能几分钟复杂的要多花些时间。但它是后面所有处理的前提——层分不清楚混音时就没法决定谁该给谁让路。四、音源替换与混音衔接换音源是 MIDI 的核心价值但直接换会带来一个新问题原来混音里的平衡被打破了。原因是不同音源的频率分布差别很大。原来的钢琴音色可能中频很满换成合成器之后中频空了、低频厚了整首歌的平衡随之改变。稳妥的做法是分三步走。第一步先只换一轨听整体变化。不要一次换完再听那样分不清是哪一轨造成的。第二步换完之后重新看频段分布。新音源占用了哪些频段原来的其他轨道在这些频段上要不要让。第三步重新平衡电平。换音源往往伴随响度变化原来的音量设置不再成立。# 换音源后做一次频段检查找出重叠区域 def overlap_report(tracks): bands {} for t in tracks: for band, energy in dominant_bands(t).items(): bands.setdefault(band, []).append((t.name, energy)) return {b: v for b, v in bands.items() if len(v) 2} # 三段以上重叠需处理三个以上声部集中在同一频段时听感会变浑。这时候要么换掉其中一个音色要么用均衡给某几轨让出空间。五、批量处理与自动化如果经常处理同类素材可以把重复动作脚本化。适合自动化的有三件事。其一导入与命名。按固定规则给轨道命名并分层避免每次手工整理。其二基础校验。速度、拍号、起始偏移三项做成检查脚本导入后自动跑一遍。其三批量导出。需要同时产出多个版本比如不同时长、不同响度时用脚本统一处理比手工可靠。CHECKS [(bpm, check_bpm), (time_signature, check_ts), (offset, check_offset)] for name, fn in CHECKS: ok, detail fn(project) print(f{name:16} {OK if ok else FAIL} {detail})不适合自动化的是音色选择和混音平衡——这两件依赖听感和场景判断脚本替不了。六、怎么判断改得对不对三层检查顺序不能反。第一层结构对不对。段落划分、时长、进出关系是否和预期一致。这一层错了后面都白做。第二层听感方向对不对。换完音源之后整体是不是朝想要的方向走。第三层细节平不平。有没有某一轨突然突出、某一段被盖住。三层里第一层最容易被跳过因为大家拿到文件就想赶紧听效果。但结构没对齐时听感判断本身也是不准的。七、四个工程上的坑坑一不校验速度直接改。最常见的返工来源。整首歌越走越偏往往到最后才发现。坑二一次换完所有音源。分不清问题出在哪一轨只能全部推倒重来。坑三把提取结果当精确副本。它是估计值复杂编配必然有偏差。把它当起点不要当基准。坑四不留原始文件。MIDI 改动很方便也意味着改坏很容易。原始导出文件必须单独存一份。八、小结这条链路的难点集中在两个位置入口的对齐和中间的音源替换。对齐解决音符位置对不对音源替换解决听感方向对不对其余都是围绕这两件事展开。抓住这两点剩下的就是按顺序执行的功夫。入口在 www.suno-api.io/create技术文档在 www.suno-api.io/docs。