企业官网建设流程全解析

大家好，我是那个整天装时髦、非要插一脚年轻人圈子的AI太奶。今天我不聊广场舞，也不管你用的是什么手机，咱们假装一回IT少女，把音乐圈和编程圈都绕不开的MIDI彻底搞明白。

事情要从上次家庭聚会说起。我神神秘秘给孙子发了一个“歌”，后缀是.mid，结果孙子一听就笑了：“太奶，你这是给我送了一本乐谱，不是送了一张唱片。”我一个老太太哪受得了这气，为了搞懂MIDI到底是什么玩意儿，连夜查资料、装软件、翻出一块落灰的Arduino开发板，折腾了好几天。研究完才发现，这货没我想的那么玄乎，但它牵扯出来的知识链是真长：音乐制作、电子乐器、智能硬件、AI音乐生成，到处都有它的影子。而且网上一大堆人在搜“简谱照片怎么转MIDI”“Arduino Mega支持USB MIDI吗”“ESP32蓝牙MIDI”，说明想搞懂MIDI的，肯定不止我一个太太。既然这样，我就把这几天的研究成果，用老太太也能听懂的大白话，完整地抖搂一遍。

这篇不是学术论文，不搬MIDI规范原文翻译，重点放在“这玩意儿是什么、怎么用、为什么会有这么多坑”上。

1. 太奶的第一课：MIDI不是歌，是“电子乐谱”

1.1 一次尴尬的“传歌”现场

那天我在网上看到一个文件，后缀是.mid，看文件大小只有几十KB，我还挺得意：这么小的“音乐”肯定很高级。结果孙子说，这是MIDI文件，是几十年前电子乐器之间传话用的语言。我更懵了：传话？传什么话？他说你打开听听就知道了。打开以后，声音确实“有”，但特别干巴，像一台老电子琴在单声道弹练习曲，完全不是我预想中的金曲。

后来我才弄明白，MIDI全称是Musical Instrument Digital Interface，乐器数字接口。这个名字起得非常老实：它是一门“接口”技术，不是一种音频格式。它诞生于1983年，当时各大合成器厂商各玩各的，后来的品牌互相不通讯，大家一起定了个规矩，让电子乐器能用一种通用语言交流。这个语言不传声音，只传“演奏动作”。

一句话版本就是：MIDI不是录音，是乐谱加指挥手势。

1.2 为什么说它是“乐谱”而不是“录音”

你送给朋友一盒磁带，朋友的录音机放出来，就是歌手唱的那首歌；但你送给朋友一份MIDI文件，朋友的播放器必须自己“按谱演奏”。MIDI文件里记录的其实是这样的信息：第几号通道，在某一个时刻，按下哪一个音符，用多大的力度，按了多长时间，然后松手。说白了就是一场演奏的“操作日志”。

这一点太关键了。因为操作方法是可以换的，所以同一个MIDI文件在这台琴上放是钢琴，拿到那台琴上放可能是风琴，放到手机铃声里放又变成奇怪的机械音。它不是声音本身，而是“如何发出声音”的说明书。

要体会这一点，最容易的办法是：把同一个MIDI文件分别用不同的播放器或音源打开。你会发现旋律、节奏、音符完全一样，但音色千差万别。就像同一份馒头配方，在北方蒸出来是白面馒头，在南方可能就变成机器做的小包子——配方一样，成品其实看手艺和灶台。

1.3 MIDI和音频的核心区别，一张表看清

还有一个容易被忽略的技术背景：MIDI作为串行通信，速率的“出厂设定”是31.25 kbps。这个数字很多老工程师看一眼就懂，完全是八十年代硬件水平的产物。当年芯片便宜、布线简单，能跑这么快的串行已经很不错了，所以MIDI从1983年一直用到现在，中间几十年几乎没动过底层协议，直到2020年才推出MIDI 2.0。这说明什么？说明一个标准一旦形成规模，迁移成本极高，哪怕它再老，大家也得捧着。

MIDI文件本身也是“姿态极低”的：大部分文件只有几KB，因为一条Note On消息本质就那么几个字节。你可以拿它跟文字稿做类比：一份MP3是印刷好的书，翻不了页改不了字；MIDI是写给乐队看的排练草稿，哪句错了就改哪句，想换风格就整段换配器。

2. MIDI的语言系统：通道、音符、力度、音色

想搞懂MIDI，光知道“它是乐谱”还不够，得知道这份乐谱用的是哪套语法。MIDI的语法不算复杂，核心就几件事：通道、音符、力度、音色，外加一堆控制消息。我按太奶的思维一个个讲清楚。

2.1 16个通道：像饭桌上16把椅子

MIDI设备之间通信时，会区分“你在跟谁说话”。它的世界里一共有16个通道（编号0到15）。你可以把这16个通道理解成饭桌上16把椅子，每把椅子上坐着一个乐手。一个设备可以同时管好几个通道，比如一个音源可以同时给通道1发钢琴音、通道2发低音、通道10发鼓。

这个设计最大的好处是“多设备不打架”。在一套MIDI系统里，甲琴负责弹旋律，乙琴负责弹和声，指挥台（比如电脑）只要在正确的通道里发指令，各路设备就各干各的。很多新手调音源不出声，查了一圈发现是通道对不上——你在通道1发指令，音源却监听通道2，自然没有响应。

通道的另一个用途是“同乐器叠音色”。有些电子琴的“双音色”模式，本质上就是把同一段旋律同时发到两个通道，一个通道用钢琴，一个通道用弦乐，听起来就像两个乐手一起演奏。

2.2 Note On和Note Off：按下和松开

MIDI最基本的音符消息有两类：Note On（按下）和Note Off（松开）。一条Note On消息一般长这个样子：状态字节9n，后面跟一个音高编号和一个力度值。n就是通道号，0到15。

• 音高编号：MIDI把音高编成0到127一个不落的整数，中央C通常对应60，往高数一个小二度就加一，往低数就减一。整个键盘上的88个键，大部分都落在21到108这个范围里。
• 力度值：0到127，表示下键的猛劲程度。从音乐角度来说，这个编号决定了旋律情感的走向。

Note Off同样要指明哪个键松开。有个特别容易踩的坑：当力度为0时，很多设备会把“Note On力度0”直接当成Note Off处理，也就是宣布“这个音节结束了”。所以你在一些MIDI数据流里会看到大量力度0的Note On，谱面正常，数据却弯弯绕绕。

音符消息的意义，打一个不太恰当的比方：就像你给一位盲人乐手留了一堆“按钮说明”。“按哪个键、什么时候按、多大力按、按多久”，MIDI全管，但至于琴弦怎么振动、共鸣箱怎么响，它不管。

2.3 Program Change和GM音色表：给乐手换“武器”

音符消息之外，最常用的就是Program Change（程序变更）了，它的作用就是“换音色”。它只带一个数值，0到127，对应128个音色槽。问题来了：不同的琴，128个音色槽里装的东西不一样，A琴的0号可能是钢琴，B琴的0号可能是一段人声采样。如果没有一个统一标准，MIDI文件里写着“0号音色”，到另一台设备上就会变成完全不同的声音。

所以后来行业里定了一个叫General MIDI（GM）的标准。GM规定了128种音色的编号：0号是钢琴，40号是小提琴，56号是小号，等等。凡标着GM Compatible的音源，都尽力遵循这套编号。这才让MIDI文件有了“跨设备基本不变味”的可能。

但这里有个细节点：你在软件界面上看到的“音色1”和MIDI消息里真正发送的“0”，往往差着1。因为Program Change的取值是0到127，而GM的显示习惯是1到128。很多人在打谱软件里选好了音色，导出MIDI后到琴上一放，发现整体错位了一个音色，十有八九就是这种“1基0基”的错位造成的。

2.4 控制消息、弯音和时钟：演奏中的“小动作”

MIDI不只会传音符，还有一大堆控制消息，通常缩写叫CC（Control Change）。CC消息用一个编号区分控制种类，比如1号是调制轮，7号是音量，11号是表情，64号是延音踏板。每个CC后面跟一个0到127的值，表示这个控制的程度。

把这些控制消息想成乐手的“小动作”：弯音轮是吉他手推弦，调制轮是揉弦，延音踏板是钢琴右踏板。这些小动作不会改变音高序列本身，但会让声音从“干巴巴的说明书”瞬间变成“有呼吸的演奏”。

房间里还有一位特殊的“老大”——MIDI时钟（MIDI Clock）。它专门负责统一速度。一个设备发出时钟脉冲，其他设备都跟着这个脉冲对拍子。这样两台合成器、一台鼓机、一台电脑音序器才能严丝合缝地走在同一节拍上。没有时钟，各跑各的，那就是一场车祸现场。

刚接触MIDI的人往往只盯着音符，忽视了这些控制消息。真要自己做做音乐或者调硬件，很快就会发现，音符只是骨架，CC消息才是让一首歌有血有肉的东西。

3. 打开一个MIDI文件：你会看到一长串“指令流水账”

前面说到MIDI是演奏指令，那这些指令在文件里到底长什么样？这节我带你拆开一个MIDI文件瞧一瞧，看看它为什么能做到只有几KB，也顺便聊聊AI音乐生成为什么绕不开它。

3.1 SMF格式的最小骨架

标准的MIDI文件叫做SMF（Standard MIDI File）。它的结构比想象中简单：开头是一个叫MThd的块，里面放着格式类型、轨道数量和时间精度。后面跟着一个或几个叫MTrk的块，每个轨道里存一长串带时间戳的事件。所谓时间戳，就是“从上一个事件开始往后再等多少个tick，才执行下一条事件”，tick是MIDI文件内部的最小时间单位。

这里有两个很容易让人迷惑的名词：“轨道”和“通道”不是一回事。轨道是文件组织事件的方式，通道是设备发声的归属。一个轨道里可以包含多个通道的事件，反过来一个通道的事件也可以分散到多个轨道。搞懂这个对应关系，在DAW里整理MIDI会省很多事。

事件类型主要有三种：普通MIDI事件（音符、CC、弯音等）、SysEx系统独占事件（厂商自定义数据）、Meta元事件（曲名、歌词、拍号、速度等）。Meta事件很有意思，它不发声，只给播放器当“备注”，比如“从第几小节开始换成4/4拍”这种信息。MIDI文件里被编辑器保存的速度变化、歌曲名称，全靠这类Meta事件记录。

3.2 用Python的mido库把“流水账”翻译成人话

如果你装好Python和mido库，只需几行代码就能把MIDI文件的内部细节读出来：

import mido mid = mido.MidiFile("something.mid") print("格式类型:", mid.type, "轨道数:", len(mid.tracks), "精度:", mid.ticks_per_beat) for track in mid.tracks: for msg in track: if not msg.is_meta: print(msg)

打印出来的内容大概是：

note_on channel=0 note=60 velocity=96 time=0 note_off channel=0 note=60 velocity=64 time=480 control_change channel=0 control=64 value=127 time=0

看懂了吗？这就是MIDI文件在计算机层面的真身：一串按时间排列的事件流。time表示上一事件到本事件的tick间隔，note=60是中央C，velocity=96是力度。打开一个大一点的MIDI文件，满屏都是这种玩意，所以它撑死也就几十KB——里面全是“符号”，不是“声音”。

我还特意用十六进制编辑器打开过一个MIDI文件，发现和规范里写的一模一样：4D 54 68 64是MThd，4D 54 72 6B是MTrk，时间戳做了变长编码，数值大的时候用高位置1的字节分段存储。这套编码叫VLV，学起来不难，但实在没必要手写，现成的库到处都是。这里推荐mido、Music21这两个Python库，处理起MIDI来非常顺手。

3.3 为什么同一个MIDI文件，换个地方播放就“变味”

现在你明白了：MIDI自带的信息是“音符+通道+控制器”，但不带着具体的采样波形。播放时，你的设备要本地“渲染”一番：把音符事件交给某个音源引擎，音源再根据自身的音色库决定最终怎么发声。

所以同一个MIDI文件，用系统自带的软波表放，和用一台高端合成器放，听感上就像两个乐队在演奏同一份总谱。总谱当然是一样的，但乐器阵容和录音棚天差地别。这也是很多人在网上随便下载MIDI后，抱怨“怎么这么好听的曲子放出来这么塑料”的根本原因——谱子本身没错，是音源太拉。

如果你需要在电脑上听MIDI，建议不要用系统自带播放器，装一个带高质量音源的软件，或者直接用DAW（数字音频工作站）加载音源来播放。Reaper、Cubase、Logic、FL Studio，随便选一个顺手的都行。别在“设备不响”和“音色难听”之间纠结太久，这两个问题多半都不是MIDI文件的问题，而是音源出力的水平问题。

3.4 AI时代的MIDI：为什么AI做音乐先出MIDI再出音频

现在很多AI音乐生成服务，用户操作界面里都带“MIDI”字样，或者技术文档里能看到一串note sequence。这其实反映了当前AI作曲的主流思路：先生成符号化的音乐描述（音符、时长、力度），再交给音源渲染成波形。

为什么不是让AI直接撸一段音频完事？因为音频是连续信号，动一个音符就要重新生成一整段波形，改起来麻烦，控制力也差。而MIDI是离散符号，调一个音高、改一个力度、换一个音色，都是小菜一碟。对于需要“可控性”的场景——比如给视频配乐、给角色写主题曲、根据哼唱生成伴奏——符号化的中间表示比直接生成波形实用得多。

换句话说，MIDI现在迎来了第二春：它不但在老设备之间传话，还成了AI音乐模型与人类音乐家之间沟通的翻译层。这也是“AI太奶假装学IT”这标题下，我们非得聊MIDI不可的原因之一——你学AI写代码也好，做音乐创作也好，越往后越绕不开“指令化、符号化”这个核心思路，而MIDI恰恰是这种思路最经典的范例。

4. 热词实测：在线把简谱照片转成MIDI，到底行不行

网上有不少人在找“在线把简谱照片转成MIDI”的工具，我自己也试了一轮，结果有惊喜也有翻车。先给结论：工具存在，技术路线也通，但对谱子的“卫生程度”要求极高。下面拆开来细说。

4.1 “拍照→MIDI”的完整链路和常用工具

一张简谱照片要变成MIDI文件，标准链路分三步：

1. 图像预处理：把拍照造成的倾斜、阴影、噪点去掉，把谱面区域切出来。
2. 符号识别：用OCR或图像识别，认出数字音符（1-7）、高低音点、增时线、减时线、附点、连音线、调号（1=C还是1=G）、拍号（2/4、4/4）、反复记号。
3. 格式转换：把识别结果转成MusicXML或其他中间格式，再导入打谱软件导出MIDI。

市面上的在线工具，多数是“OCR + MusicXML + MIDI”这三件套的组合。你不一定能看到中间步骤，但内部逻辑基本如此。GitHub上也有不少“简谱识别”“简谱转MIDI”的开源项目，可以自行搜索。

4.2 实测结论：什么样的谱子适合自动转，什么样必须手动

我拿三种谱子实测了一下：

• 打印体、排版整齐的简谱：正确率还不错，基本音符和时值能识别个八九成，导出MIDI后稍微修一修，能用。
• 手机拍的实体书：光线一暗，低音点和高音点就容易被认错，增时线和减时线时不时被吞；如果谱面上还有连音线、倚音、滑音记号，基本就等着拆盲盒。
• 手写简谱：两个字，别转。手写体的数字都经常被当成另一个数字，更别说时值线了。除非你手写极度工整，否则纯属浪费感情。

所以我的使用建议是：干净印刷体可以直接走自动转换，但要有心理准备——“识别只是起点”，最终一定要在打谱软件里过一遍；实拍书谱和手写谱，老老实实手工录入，或者人工先整理成简单文本再转换。千万别把在线工具当黑魔法，它只能替你省一半力气，剩下那一半是校验和修补。

4.3 我推荐的三种路径和操作步骤

路径A：在线简谱识别网站。选择清晰、无遮挡、对比度高的简谱截图，上传后生成MusicXML，下载后导入MuseScore（免费）检查并导出MIDI。这个流程适合没有编程基础的朋友，10分钟能跑通。

路径B：打谱软件手工录入。在MuseScore里新建工程，输入简谱数字，再手动调整时值、连音线，然后导成MIDI。看着麻烦，其实胜在100%可控，而且对学编曲的乐理也有帮助。MuseScore支持直接导出MIDI，路径是“文件→导出→选MIDI格式”。

路径C：自己写个小脚本辅助。这里分享一个“人工整谱→脚本映射”的思路，非常实用。比如有一行简谱“1 2 3”，调号是1=G，4/4拍：

• 先确定基准音高：1=G，位于中央C上方的G，MIDI编号是67；如果需要降低八度，减12就是55。
• 把2、3分别映射到68、69。
• 时值根据谱面记号换算成tick数，比如四分音符在480 tick的精度下就是480。
• 再用mido库把note_on/note_off写出来，存成MIDI文件。

代码框架大概是这样：

from mido import MidiFile, MidiTrack, Message mid = MidiFile() track = MidiTrack() mid.tracks.append(track) # 1=G，四分音符=480 tick base = 55 # G3 note_sequence = [(base, 480), (base+2, 480), (base+4, 480)] for note, dur in note_sequence: track.append(Message('note_on', note=note, velocity=100, time=0)) track.append(Message('note_off', note=note, velocity=64, time=dur)) mid.save("scale.mid")

这种脚本把“简谱理解”留给人，把“机械映射”交给代码，识别率100%，比OCR稳得多。硬要说缺点，就是长曲子手累，但编写脚本的过程本身，已经是把MIDI规则吃透的最好练习了。

5. 硬件党注意：Arduino和ESP32玩MIDI的选型真相

MIDI不只是文件格式，它还是电子乐器之间通信的“物理协议”。所以玩硬件的朋友问的问题往往很具体：Arduino Mega到底支持不支持USB MIDI？ESP32蓝牙MIDI好不好用？这节我把查到的实测结论和选型逻辑一次性讲清。

5.1 先说结论：Arduino Mega到底支不支持USB MIDI

直接给答案：Arduino Mega 2560默认不支持原生USB MIDI，但严格来说“能用，只是很别扭”。

原因是芯片选型。Mega 2560的主控是ATmega2560，这颗芯片本身不带原生USB外设，它只有UART串口。板子上的USB口之所以能连电脑，是因为旁边还放了一颗ATmega16U2芯片，专门做“USB转串口”的桥接。也就是说，电脑看到的Mega，本质上是一个串口设备，不是一个MIDI类设备。你把USB线插上去，电脑只会弹出串口，不会弹出MIDI端口，更不会在音序器里看到“Arduino Mega”这个MIDI设备。

网上有老方案可以把板载ATmega16U2刷成MIDI固件，刷完后这颗芯片就充当“MIDI转串口”的桥，电脑会把Mega识别成一个带有MIDI端口的设备。但这会牺牲掉原来的串口桥接功能，烧录程序的方式也跟着变，对新手特别不友好。刷错了，板子变砖的风险也不小。所以我的建议是：不要为了USB MIDI去折腾Mega，除非你是做实验并且手头有多余板子。

5.2 更省心的三种硬件方案对比

想要让Arduino系列真正“原生”玩USB MIDI，优先换主控。选型逻辑如下：

如果只是做“按钮+电位器→电脑弹音色”的小项目，Leonardo/Micro是体验最好的选择，因为ATmega32U4芯片原生支持USB，MIDIUSB库一发，电脑立刻认出MIDI设备，零桥接零驱动。如果你手头只有Uno或Mega，想控制硬件合成器，那就老老实实走5针DIN输出：用ATmega的UART_TX引脚接一个光耦隔离电路，再接5针DIN，数据流用31250波特率发出，硬件音源就能收到。这个方案便宜、稳，但需要认识万用板和电烙铁。

还有一点值得说：不少新人以为用“USB转MIDI线”就能解决一切，其实这类转换线的水挺深，很多商家卖的是“USB转游戏杆/转MIDI”的冒充线，插上电脑根本不是标准MIDI设备。买之前一定要确认它是否支持“USB MIDI class compliant”，最好选大众口碑好的品牌线材，减少踩坑概率。

5.3 ESP32蓝牙MIDI：手机无线弹琴的体验与延迟实测

ESP32是这两年玩MIDI硬件的“香饽饽”，原因很简单：自带Wi-Fi和蓝牙双模，性能碾压Arduino，成本还低。它支持BLE，而Apple定义了一套叫“BLE MIDI”的规范，把MIDI事件打包成BLE服务的特征值进行传输。手机和平板只要支持CoreMIDI（iOS生态）或系统级MIDI驱动（部分安卓），就能直接看到这个BLE MIDI设备。

我实测做了一台简单的ESP32蓝牙MIDI按钮器，几个按钮对应几个音，手机上开一个支持MIDI输入的音源App，按下按钮，音符事件走蓝牙到手机，手机发声。整体延迟在有线连接时几乎感知不到，蓝牙环境下大概在20到40毫秒这个区间，用来弹简单的旋律、打拍子、做舞台触发都够用。但如果你是钢琴快速连续刮奏那种级别的演奏，蓝牙的延迟会让手指和耳朵之间产生明显割裂，这时候还是乖乖上USB或有线MIDI。

BLE MIDI的接线逻辑和普通IO一样：按钮接GPIO，加上拉电阻，回调函数里发送note_on/note_off。库方面，GitHub上搜ESP32-BLE-MIDI或BLE-MIDI，成熟项目好几个，直接抄例程改GPIO号就能跑。这里有个经验：别把延时控制写在主线程里，尽量用定时器或者事件回调，否则音乐会忽快忽慢。另外，当环境里有多块ESP32同时广播时，有的手机端连接会漂移，建议代码里固定广播名称，别让设备在混乱的BLE环境里“到处勾搭”。

玩下来最大的感受是：ESP32把“无线MIDI”的门槛拉低到了个人DIY能承受的水平。以前想让电子乐器无线互联，得买上千元专业无线MIDI模块，现在一块几十块的开发板就解决了，还顺带把Wi-Fi编曲界面的可能性也打开了，非常值得折腾。

6. 太奶替你踩过的坑：新手最容易翻车的六个瞬间

6.1 把MIDI文件当MP3发给家人

这个坑我开头就踩了。MIDI文件在大部分普通人手里，打开体验极差，因为系统自带播放器的音源通常很烂。你把它当歌发给家人朋友，只会收获一句“这什么玩意”。正确的做法是：MIDI文件要么导入DAW配上好音源渲染成音频，再去分享；要么发给本来就懂MIDI的爱好者，让他们自己选音源。千万不要拿它当音乐成品。

另外，MIDI文件不是“MP3的大小优化版”。我曾见过有人把MP3直接改后缀成.mid，指望变MIDI，当然什么也放不出来。反过来也有人把MIDI改后缀成.mp3，照样打不开。文件格式是内容封装的规则，不是改个后缀就能骗过播放器的。

6.2 接了设备不出声：先查通道，再查音色，最后查线

硬件MIDI不出声，新手第一反应通常是“线坏了”。其实按出现频率排，最可能的原因是通道错位。音源默认监听通道1，你的代码却在通道2发消息，自然没声。其次是音色问题，有些音源加载的“音色库”本身是空的或偏移的，需要手动检查Program Change编号。再次才是硬件连线：5针DIN的电平逻辑和普通UART不一样，需要光耦隔离，方向插反或共地问题都会导致静默。

排查的正确顺序是：先软件层，再硬件层。电脑上打开MIDI监视器（比如MIDI-OX），看有没有消息进来；有消息但不出声，问题在音源端；连消息都没有，那就顺着驱动、端口、线缆一路往下查。这套顺序至少能帮你省下半小时“玄学排障”时间。

6.3 延迟高到没法弹：缓冲区和驱动是主角

电脑上用MIDI键盘弹软音源，哪怕有线连接，也可能感觉到明显的“按下-出声”间隔，专业术语叫延迟。大部分时候不是MIDI设备的问题，而是音频系统在拖后腿。Windows默认的DirectSound驱动缓冲比较大，弹起来像踩在棉花上。

解决办法是装ASIO驱动，并在DAW里把音频缓冲调到128甚至64采样点。数据流过小容易爆音，过大则延迟高，一般128是大多数电脑的甜点值。苹果设备用CoreAudio自带的低延迟架构，体验通常比Windows默认好很多。如果用的是蓝牙MIDI加蓝牙耳机，那延迟就是双重叠加，别抱太大期待。

6.4 在线转换工具的“隐形错误”：一定要用耳朵验证

自动识别类的工具，最大的风险不是“识别失败”，而是“识别错了你还不知道”。简谱转MIDI工具经常在低音点、时值线上出错，有时会把两个四分音符误认成一个二分音符，谱面看上去还挺正常，一放出来节奏全乱。这种错误在视觉上极具欺骗性。

所以任何自动转换结果，都必须过一遍耳朵。最简单的验证流程：导出MIDI后，导入MuseScore，先看钢琴卷帘窗口里音符的长短和高低位置是否符合直觉，再播放听几遍，重点听有没有莫名其妙的断音或连成一片的地方。也可以把MIDI和原曲音频对拍，看关键位置的音符是不是卡上了。没有这一步，你用的就不是工具，而是盲盒。

折腾MIDI这一圈下来，我最大的感受是，它一点也不神秘，但也不简单。所有应用，不管是AI生成、简谱转换、蓝牙硬件，最终都是绕着“音符事件”这四个字转的。你只要把“MIDI是乐谱，不是唱片”这个观念焊在脑子里，以后遇到任何MIDI相关需求，都不会被概念绕晕。手边如果有MIDI文件，大胆拖进MuseScore或者你惯用的DAW里拆一拆、改一改，很快就会明白，那些听起来很远的“编曲”“AI作曲”“硬件交互”，其实就是这几十KB指令流的排列组合。