自动转写音频为音符｜some 模型一键扒谱
解决什么问题
你手里有一段 demo 哼唱、或翻唱的干声 .wav，想把旋律扒成音符。传统方法：
- 靠耳朵一个音一个音对着写
- 用 Audio-to-MIDI 软件转，经常识别错音高和节奏
OpenUtau 的some 模型是专门针对歌声训练的 AI 转写器，只转音符（不转歌词），比通用 Audio-to-MIDI 准确得多。
适用场景
| 场景 | 效果 |
|---|---|
| 干净的干声哼唱 | 很好 |
| 干净的单声部演唱 | 很好 |
| 带伴奏的完整混音 | 差——有伴奏时模型容易跟着鼓点或贝斯识别错 |
| 带大量混响/延迟的干声 | 差——reverb 会干扰音高检测 |
| 多声部合唱混在一起 | 差——模型只识别主旋律一条线 |
结论：只能用干净的单声部干声。
分步操作
第一步：下载 some 模型
从 OpenUtau GitHub Releases 页下载 some-0.0.1.oudep（或更新版本），文件不大。
第二步：安装模型
OpenUtau 菜单栏：Tools → Install Dependency (.oudep)，选刚才下载的 .oudep 文件，安装。装完不用重启。
第三步：导入音频
File → Import Audio，选干净的 .wav / .mp3 / .ogg / .flac 文件。导入后会在音频轨道上显示波形。
第四步：转写
右键点击音频片段，菜单里选"Transcribe audio to create a note part"。
弹出进度条——转写过程大约 1 分钟（取决于音频长度和机器性能）。
第五步：查看结果
转写完成后，音频片段下方会出现一个新的音符片段（Piano Roll 格式）。双击进入 Piano Roll 检查和微调：
- 模型识别的音高大体正确，但偶尔会有八度偏移
- 节奏准确度在干净哼唱上很好，有装饰音/滑音可能识别成额外短音符
- 没有歌词，需要你手动逐个音符填
转写出来的音符可以直接改，不影响原始音频。
常见问题
转写后音符全乱了
大概率是音频不干净。转写模型只认单声部干声。试试：
- 用 Audacity 做人声提取（Vocal Removal 插件），把伴奏尽可能去掉
- 用降噪滤镜减少背景杂音
- 剪一段 10 秒以内的小样先试，看看模型对这段素材的识别效果
转写只有一个长音符
音频里如果有长音持续哼唱，模型可能识别成一个大音符。用 Piano Roll 的拆分工具手动切分。
转写速度很慢
CPU 渲染慢，正常的。some 模型没有 GPU 加速选项，只能靠 CPU。30 秒音频大约需要 2-3 分钟。
不支持什么格式
- .aac、.m4a：不支持，用 Audacity 转成 .wav 再试
- 视频文件：不支持，先抽音频
- 带版权保护的 DRM 文件：不支持
替代方案
如果 some 模型识别效果不理想，可以用这些外部工具：
- Spleeter（Python，人声提取）：先把混音拆干净再转写
- Audacity → Audio → Beat Detection：节奏检测
- Melodyne / Waves Tune：专业级 Pitch Detection，但很贵
总结：some 模型是 OpenUtau 里"够用级"的扒谱方案，适合快速把哼唱草稿拉进 Piano Roll 作为起点，最终音符一定要手动过一遍。