企业官网建设流程全解析

这次的目标很明确：把 Deltarune 相关素材里的《Sunset of Seven Suns》扒成 MIDI 和五线谱，而不是只停留在“听个大概”的阶段。扒谱本身不是单步操作，我把它拆成四段：音频分离、AI 音符转录、手动听辨、MIDI 编配。整套流程在普通 PC 上就能跑，AI 部分有 NVIDIA GPU 会明显更快，没有 GPU 用 CPU 也能出结果，代价是等待时间变长。如果你以前只会用耳朵硬扒，这篇会把能交给工具的部分都交出去，同时保留人工复核的关键环节。

先说结论：不存在“一键扒谱”的黑盒。Demucs、Basic Pitch 这些工具能快速给出候选信息，但最终准确率取决于两步——分离出来的音轨干不干净，以及你愿不愿意花时间对着频谱和节拍器做修正。下面按完整流程走一遍：环境准备、音频分离、自动转录、听辨校音、MIDI 重建、乐谱导出，最后是常见问题排查和一批实战建议。照着流程跑完，你应该能拿到一份可播放、可编辑的《Sunset of Seven Suns》扒谱产物。

1. 扒谱工作流核心能力速览

先给一张速览表，方便你判断这套流程适不适合现在的需求。

这套流程的定位是“半自动扒谱”：工具负责降低体力劳动，耳朵负责最终验收。越到后面的步骤，人工听辨的比重越高，这也是扒谱质量提升最明显的环节。

2. 适用场景与版权边界

这套流程适合的典型场景包括：

• 想学编曲的人：通过扒谱分析 Deltarune 风格的旋律走向、和声进行和编配层次。
• 游戏音乐分析者：需要把音频转成可观察的 MIDI，做动机对比和结构分析。
• MIDI 制作者：需要一份能二次编辑的 MIDI 文件，用于换音色、重编曲或做钢琴改编。
• 视频与教学内容创作者：想把原曲片段做成可视化谱例，或做逐句讲解。

不适合的场景很简单：如果你想要“点一下自动输出完美谱面”的工具，这套流程做不到，目前市面上也很难有可靠的纯自动方案。AI 转录工具会给你大量音符，但里面通常混着和声泛音、混响尾音和识别错误，必须用耳朵筛一遍。

版权边界这里必须说清楚。Deltarune 及其音乐素材的版权归于原作者和相应权利方。《Sunset of Seven Suns》的扒谱结果，本质上是对原曲的转录演绎。个人学习、编曲分析、内部研究通常可以接受；如果要公开发布乐谱、MIDI、翻奏视频，或者把扒谱结果用于商业项目，请先确认原曲方的授权要求。二次创作视频里建议标注原曲名称、作者和版权归属，不要把自己的扒谱结果包装成官方谱。涉及音频素材的下载和使用，也请确保来源合法。

3. 环境准备与前置条件

在开始扒谱之前，先把基础环境准备好。操作系统用 Windows、macOS、Linux 都可以，以下命令在 Windows PowerShell 和 macOS/Linux 终端里略有差异，需要注意区分。

首先检查基础命令是否可用：

ffmpeg -version python --version pip --version nvidia-smi

ffmpeg 负责音频格式转换和剪辑；Python 环境用于运行 Demucs 和 Basic Pitch。如果你用的是 NVIDIA 显卡，nvidia-smi能看到驱动版本和显存信息，方便后面判断 GPU 是否可用。

接下来创建独立虚拟环境，避免依赖冲突：

python -m venv venv # Windows venv\Scripts\activate # macOS / Linux source venv/bin/activate

然后安装两个核心 Python 工具：

pip install demucs basic-pitch

如果安装速度慢，可以先把 pip 源切到国内镜像，再执行安装。安装完成后确认版本：

demucs --help basic-pitch --help

两者能正常打印帮助信息，说明环境基本就绪。

音频素材准备也在这步做。如果你手里是视频文件，先用 ffmpeg 提成双声道 WAV：

ffmpeg -i source_video.mp4 -ac 2 -ar 44100 input.wav

如果你打算只扒分段，可以先把长音频裁成若干小段再进入后续流程。

4. 音频分离：Demucs 部署与分轨验证

扒谱第一道工序是“拆轨”。完整混音里乐器叠在一起，AI 直接识别容易把钢琴音、贝斯音、打击乐音混成一片。先用音乐源分离模型把频段和声源拆开，后面转录会干净很多。

Demucs 的默认模型是 htdemucs，支持鼓、贝斯、人声、其他四轨分离。直接运行：

demucs input.wav -o separated

运行完成后，输出目录结构通常是：

separated/htdemucs/input/ ├── bass.wav ├── drums.wav ├── other.wav └── vocals.wav

如果原曲没有人声，vocals.wav可能是空泛音或者很薄，这是正常现象。重点看bass.wav（低音声部）和other.wav（键盘、弦乐、合成器之类的中高频声部）。对于《Sunset of Seven Suns》这类以氛围和旋律见长的素材，other.wav通常是最值得听的一轨。

分离完成后，不要急着转录。先用播放器或 Audacity 听一遍分离结果：

• bass.wav里是否还有明显鼓声？有的话说明分离不彻底。
• other.wav是否有严重的金属感或频段缺失？说明模型对某些音色处理不佳。
• 整体是否音量过小？可以用 ffmpeg 做增益或直接在 DAW 里调。

如果分离质量不够好，可以换参数重新跑。例如只拆成人声和伴奏两轨：

demucs --two-stems=vocals input.wav -o separated

这种模式对纯 BGM 素材不一定更优，但值得试。分离质量的判断标准就一条：能不能在某一轨里清楚听到你这次要扒的声部。

需要提示的是，Demucs 是个计算密集型模型。GPU 存在时它会默认尝试用 CUDA，没有 GPU 就自动落到 CPU，速度慢很多。长音频尤其明显，可以先裁剪成 30 到 60 秒的片段再逐个分离，避免单次任务排队太久。

5. AI 音符转录：Basic Pitch 使用与批量脚本

分轨完成后，进入自动转录环节。这里用 Spotify 开源的 Basic Pitch，它对单音乐器轨的转录效果比直接转完整混音好很多。

Basic Pitch 支持命令行和 Python API 两种方式。先用命令行跑一次，确认输出效果。

basic-pitch /path/to/bass.wav /path/to/output_dir

不同版本的具体参数略有区别，先运行basic-pitch --help查看当前版本支持的选项。运行完会得到多个文件，主要包括：

• MIDI 文件：核心结果，音符事件序列。
• CSV 文件：每个音符的时间、音高、力度。
• 模型输出文件：可选，用于调试。

不要在完整混音文件上直接跑。我的建议是分别对bass.wav和other.wav各跑一次，再分别人工检查。要扒完整首曲子，建议把音频切成 16 到 32 秒的乐句。这样既方便听辨，也能避免长时间音频带来的显存和内存压力。

手动一段段跑会累。下面给一个批量处理的 Python 脚本，用 subprocess 调用 Demucs 和 Basic Pitch：

import subprocess from pathlib import Path chunk_dir = Path("./chunks") # 放切好的音频片段 separated_dir = Path("./separated") # Demucs 输出目录 transcribe_dir = Path("./transcribed") # Basic Pitch 输出目录 transcribe_dir.mkdir(exist_ok=True) for wav in sorted(chunk_dir.glob("*.wav")): print(f"process: {wav.name}") # 1. Demucs 分离 subprocess.run( ["demucs", str(wav), "-o", str(separated_dir)], check=True, ) # 2. 对贝斯轨转录 bass_path = separated_dir / "htdemucs" / wav.stem / "bass.wav" if bass_path.exists(): target = transcribe_dir / f"{wav.stem}_bass" subprocess.run( ["basic-pitch", str(bass_path), str(target)], check=True, )

这个脚本没有处理失败重试，真正批量跑的时候建议每段都输出日志，失败后单独记录。使用类似结构时，把路径和命令参数替换成你自己环境里的实际配置即可。

转录之后不要去直接使用 MIDI。Basic Pitch 输出的音符往往很碎，会出现：

• 同一个音被切成多个短音符；
• 泛音被识别成高八度或额外音符；
• 混响尾音被当成延长音。

所以在进入 DAW 前，先用脚本或编辑器做一次基础清洗，删掉低力度短时值音符，再人工打开 MIDI 检查。

6. 手动听辨与和声分析

自动转录只是初稿，决定扒谱上限的是人工听辨。第 6 章解决三个核心问题：曲速、旋律音高、和声性质。

先定速。把分离出来的other.wav或原曲拖进 DAW，在时间轴开头设置拍号，然后播放录音，用节拍器慢慢对齐。不要凭感觉猜 BPM，最好手动点几段，确认速度是否稳定。如果原曲有变速，还需要用 DAW 的节拍映射（tempo map）功能逐段标记。

定调。听完整段主旋律，留意最后落点落音。把旋律里出现频率最高的音和结束音对照，多数情况下结束音就是主音。比如旋律明显落在 C，并且全曲音阶素材基本来自 C 大调，那可以初步判断是 C 大调；如果再发现很多黑键和半音进行，就考虑关系小调或转调、离调。

旋律扒写。在 DAW 里加载主旋律轨，开启慢放功能，把速度调到 50% 甚至更低，同时保持音高不变。大多数 DAW 都有这个选项，名字可能是 Repitch、Elastic、Flex Time。逐句听，逐音在钢琴卷帘里点出来。如果某个音不确定，使用频谱工具看基频，比如 A2 是 110Hz，A3 是 220Hz，A4 是 440Hz，基频位置可以直接告诉你音名。

低音扒写。低音是判断和弦的基础。用分离好的bass.wav，把 EQ 调到 60Hz 到 300Hz 增强，听根音走向。不要一次性听整段，按小节记。贝斯音通常每小节一两个音，先把根音记准，后面和弦性质才好判断。

和弦分析。拿到旋律和低音后，开始标和弦。常见步骤：

1. 先根据贝斯根音锁定每个和弦的根音；
2. 再根据旋律里的强拍音判断这个和弦是包含该音的大调、小调还是七和弦；
3. 最后用“听感是否符合小节情绪”来复核。

举个例子，如果某小节贝斯根音是 C，旋律强拍音是 E，那么这个位置大概率是 C 大调主和弦；如果旋律强拍音是 Eb，则可能变成 C 小调。这只是示例，具体要对到原曲实际听感。

这个阶段可以借助 DAW 里的调性检测插件，但插件结果仅供参考。和声判断最终要回到“低音 + 旋律 + 听感”三者一致。

7. MIDI 重建、编配与乐谱导出

人工听辨完成之后，把初稿 MIDI 重新整理成更接近原曲的成品。这部分在 DAW 里完成，推荐流程如下。

首先建立声部轨道：

• 主旋律轨：通常用 Lead 音色或钢琴音色。
• 副旋律轨：如果有对位旋律，单独一轨。
• 低音轨：贝斯根音。
• 和声轨：pad 或弦乐长音。
• 打击乐轨：如果有鼓，尽量还原节奏型和镲片。

然后从钢琴卷帘里修音符。第一步做量化，参考你之前确认的最小音符时值，通常是八分或十六分音符。量化不要拉满，保留一点点人性化偏移，否则听起来会很呆。第二步调力度，把每段旋律的起伏做出来，强拍音力度大一些，过渡音弱一些。第三步检查音符重叠，避免同一个 MIDI 音符叠了两个同音高的短音。

编配阶段可以不用追求“一个音不差”。扒谱的目的是理解原曲，只要旋律、低音、和弦和整体节奏型准确，剩余细节可以按需保留。

MIDI 整理完成后，生成五线谱。推荐用 MuseScore 这类免费制谱软件：

• 导入 MIDI：MuseScore 支持直接打开 MIDI 文件。
• 整理谱面：检查调号、拍号、声部分配、连音线、踏板标记。
• 导出 PDF：在 GUI 里通过文件导出即可；部分版本也支持命令行转换，具体以你安装的版本帮助信息为准。

# 命令行导出示例，不同版本参数可能不同，请以本机帮助为准 musescore4 midi_output.mid -o score.pdf

导出后检查谱面。如果五线谱上出现大量不合理的增时线、休止符移位、空拍错位，多半是 MIDI 量化残留问题，回到 DAW 再修一遍，不要直接拿这个谱面发布。

成品验证用一个 A/B 对比方法：在 DAW 里把原曲放在 A 轨，MIDI 编配放在 B 轨，同步播放，逐段切换静音，对比旋律轮廓、低音进行、和弦色彩是否一致。不一致的地方在钢琴卷帘里直接改，改完再听，直到每个乐句闭合。

8. 资源占用与性能观察

这套流程里最吃资源的是 Demucs 和 Basic Pitch，DAW 和 MuseScore 反而压力不大。如果你准备批量扒长曲，资源占用要提前心里有数。

先看 GPU。安装好显卡驱动后，在另一个终端窗口运行：

nvidia-smi -l 1

每秒刷新一次显存和 GPU 利用率。Demucs 跑长音频时显存占用会明显上升，具体数值和音频时长、模型尺寸、批处理大小直接相关，不能一概而论。CPU 跑则看任务管理器或top的 CPU 占用，通常会把多核打满。

降低负载的方法：

• 把音频切成 30 到 60 秒片段，逐段处理；
• 分离和转录分开跑，不要同时开多个任务；
• 不需要转鼓的话，先用--two-stems=vocals或只分离需要的声部；
• 转录时只投喂单乐器轨，不要投喂完整混音；
• 批量脚本里加sleep间隔，避免短时间连续启动多个任务导致资源耗尽。

显存不足时优先缩短音频长度，而不是降采样率。44.1kHz 的音频信息密度已经足够，降采样到 22050Hz 虽然能省内存，但会损失高频泛音，影响音高判断。

端口和服务问题在扒谱场景不常见，但如果你把转录封装成 Web 服务或 API 给团队用，就要注意并发任务和日志记录，避免长时间任务把线程池占死。

9. 常见问题与排查方法

扒谱过程会遇到的问题集中在依赖、分离质量、转录碎音和听辨偏差上。下面列成表格，方便对照排查。

一个容易忽略的点是：如果分离出来的某一轨明显失真或缺失频段，不要硬用，回去调整分离参数。自动转录工具对输入质量非常敏感，输入轨不干净，输出必然乱。

10. 扒谱最佳实践与后续扩展

最后这部分是给实际操作时用的建议。第一次不建议直接扒全曲，先挑 16 到 32 秒的完整乐句，走完“分离、转录、人工修、导出”的闭环。跑通以后，再扩展到整首。

工程目录建议这样规划：

project/ ├── source/ # 原始音频素材 ├── chunks/ # 切分后的音频片段 ├── separated/ # Demucs 分轨结果 ├── transcribed/ # Basic Pitch 转录结果 ├── midi/ # 人工整理后的 MIDI ├── score/ # 导出的 PDF 乐谱 └── logs/ # 批量任务日志

分目录管理的好处是：中途某一步的生成结果可以被反复对比，不用从零重跑。批量任务一定要加日志和失败重试，长时间任务如果中途断了，至少能定位到哪一段出问题，而不是全部重来。

音乐素材的授权问题要始终保持敏感。扒谱结果可以用于个人学习和分析，公开传播前务必确认原曲版权许可。如果要把 MIDI 或乐谱发布到社区，最好附上原曲信息、扒谱者信息和“仅限学习交流”的说明。

后续可以继续扩展的方向有几条：

• 把 MIDI 导入不同音源，做钢琴改编版或电子重编曲；
• 导出 MusicXML，配合教学工具做逐句讲解；
• 把分离和转录封装成 Python 服务，接入自己的批处理流程；
• 对比不同 AI 转录模型的效果，找一个最适合 Deltarune 风格音频的组合。

扒谱这件事，工具能帮你省掉大量重复劳动，但决定准确度上限的仍然是监听和判断。先跑通这篇的完整流程，再针对曲目特点调整参数，你会慢慢找到属于自己的扒谱节奏。整个过程最值得花时间的不是安装和命令，而是第 6 章那部分静下来听音的环节。建议先收藏这份流程，等真正动手扒《Sunset of Seven Suns》时再对照着一步一步来。