企业官网建设流程全解析

PrettyMIDI：让 Python 处理 MIDI 文件从繁琐变简单的实用库

【免费下载链接】pretty-midiUtility functions for handling MIDI data in a nice/intuitive way.项目地址: https://gitcode.com/gh_mirrors/pr/pretty-midi

打开一个.mid文件，你期望得到"音符、时间、乐器"，实际得到的却是一堆事件流。标准 MIDI 文件的底层结构面向的是"tick（时基）+ 通道 + 事件"：一个音要拆成 note-on/note-off 两个事件，时间要按 tick 换算，速度变化是另一条 meta 事件。想做个简单的事——提取前 10 秒的钢琴卷帘、把所有音移调 5 个半音、或导出音频听个响——先要写一大段解析代码。

PrettyMIDI（包名pretty_midi）就是为省掉这段解析而生的 Python MIDI 处理库。把.mid文件交给它，拿到的是一组乐器对象，每个乐器里按秒排好序的Note列表；想取钢琴卷帘、chroma 特征、节拍位置，一行方法调用就能得到；改完还能直接合成音频或写回文件。它构建在mido之上，核心依赖只有 numpy 和 mido 两个。

先把"事件流"变成"带秒数的音符"

读一个 MIDI 文件，PrettyMIDI会替你做完三件脏活：

• 把每个通道解析成Instrument，通道号翻译成乐器名，鼓通道自动标记is_drum；
• 把 note-on/note-off 配对成Note对象，start/end直接是秒，不需要你自己做 tick 换算；
• 收集速度变化、拍号、调号，提供get_beats()、get_downbeats()等按音乐逻辑取点的方法。

import pretty_midi midi = pretty_midi.PrettyMIDI('example.mid') # 仓库自带示例文件 print(midi.estimate_tempo()) # 经验估计全局速度 beats = midi.get_beats() # 按当前速度换算是秒的节拍时间

如果文件里没有速度标记，estimate_tempo()会基于音符 onset 做经验估计，这在标注缺失的素材里经常救场。

从事件流到特征：钢琴卷帘与音级统计

做音乐信息检索（MIR）时，最常要的其实是"特征"，而不是事件本身。PrettyMIDI把几类常用特征做成了方法，输入是采样率，输出是二维数组：

• get_piano_roll(fs=100)：128 个音高行 × 时间列的二值/力度矩阵，直接喂给序列模型；
• get_chroma(fs=100)：每帧 12 个半音的强度曲线，是分析调性的起点；
• get_pitch_class_histogram()：全曲音高类别直方图，可作为调性的粗略代理；
• get_onsets()：所有音符起点，做节奏分析的基础。

这些方法在单个Instrument上同样存在，需要按乐器分别统计时不用再手动切通道。

改完谱面，还能"听到"结果

修改 MIDI 的常见操作——移调、裁剪、变速——在 PrettyMIDI 里都是直接操作对象：

for instrument in midi.instruments: if not instrument.is_drum: # 鼓不需要移调 for note in instrument.notes: note.pitch += 5 # 整体移调 5 个半音 audio = midi.synthesize() # 纯 numpy 正弦波合成，返回波形数组 midi.write('out.mid') # 写回标准 MIDI 文件

• synthesize()不依赖任何外部程序，用正弦波把整个谱面渲染成波形，适合快速验证算法改动是否如预期；
• 想要更真实的音色，fluidsynth()可以走 FluidSynth + 音源文件（SF2）路径，安装包内已附带一份 General MIDI 音源TimGM6mb.sf2；
• 时间维度的重采样用adjust_times(original_times, new_times)，它会把音符、控制器、meta 事件按时间映射整体搬移，比逐个改note.start可靠；
• crop(start_time, end_time)则负责截取片段，做数据集切分时很省事。

最短上手路径：从零写一个 .mid 文件

不需要任何输入文件，几行代码就能造出一段 MIDI 并导出：

import pretty_midi midi = pretty_midi.PrettyMIDI() cello = pretty_midi.Instrument(program=pretty_midi.instrument_name_to_program('Cello')) for name in ['C5', 'E5', 'G5']: # C 大调主和弦 note = pretty_midi.Note(velocity=100, pitch=pretty_midi.note_name_to_number(name), start=0, end=0.5) cello.notes.append(note) midi.instruments.append(cello) midi.write('cello-C-chord.mid')

音名到 MIDI 音数（note_name_to_number）、音数到频率（note_number_to_hz）、程序号到乐器名（program_to_instrument_name）这类换算都放在utilities模块里，谱面上常见的"人话 ↔ 机器数"转换基本不用自己写查表。

谁适合用它，什么时候换别的

适合：MIR 研究中的数据预处理（特征提取、对齐、切分）、教学演示、音乐数据管道的原型阶段、给音频/文本模型准备 MIDI 侧输入。tests/ 里的用例和 examples/ 能覆盖大部分日常操作。

不适合：

• 要生产级音质时，synthesize()的正弦波渲染只够"听个响"，正式发布请走fluidsynth()或专门的合成引擎（后者需自行安装 FluidSynth 程序与pyfluidsynth）；
• 素材是音频而不是 MIDI 时，特征提取应该用 librosa 这类音频 DSP 库，MIDI 解析帮不上忙；
• 需要严格贴合标准 MIDI 规范、处理大量 raw 事件时，可以绕过它直接使用底层的 mido 库——PrettyMIDI 本质上是对 mido 的一层"人性化"封装，不是替代品；
• 它是轻量库（当前版本 0.2.11，API 稳定但仍在演进），不适合作为大型实时音频服务的地基。

继续深入的路径

• 文档：docs/ 下按模块拆分的 Sphinx 页面，pretty_midi.py核心类、Instrument、各类容器和utilities换算函数都有独立文档；
• 示例：examples/ 里有四个可运行的脚本——chiptunes.py（纯 numpy 的 chiptune 风格合成）、chord_catalog.py（和弦目录）、reverse_pianoroll.py（从钢琴卷帘反向生成 MIDI）、align_midi.py（MIDI 对齐）；
• 教程：仓库根目录的 Tutorial.ipynb 是一份可交互的 Jupyter 教程，从加载到合成逐段演示；
• 源码：核心实现在 pretty_midi/ 包内，pretty_midi.py、instrument.py、containers.py三个文件即可读完全貌；
• 需要源码时，仓库地址：https://gitcode.com/gh_mirrors/pr/pretty-midi

读完一遍example.mid的加载—取特征—移调—合成流程，基本就能判断它能不能接进你自己的数据管道了。

【免费下载链接】pretty-midiUtility functions for handling MIDI data in a nice/intuitive way.项目地址: https://gitcode.com/gh_mirrors/pr/pretty-midi