Audio in MIDI umwandeln (MP3 und WAV)
Hol Melodie, Akkorde oder Bassline aus einer Audiodatei und mach daraus MIDI-Noten, die du bearbeiten, umvoicen und mit jedem virtuellen Instrument spielen kannst. Alles passiert auf deinem Rechner oder Smartphone – die Datei wird nirgendwohin geschickt.
- Läuft im Browser
- Kein Upload, keine Anmeldung
- MIDI mit echtem Tempo
Am saubersten wird es mit der Aufnahme eines einzelnen Instruments oder einer einzelnen Stimme.
Bereinigen & quantisieren
Kurz gesagt
Zieh die MP3 auf den Konverter oben und klick auf MIDI speichern: Dein Browser mischt das Audio auf Mono mit 22.050 Hz, lässt Spotifys quelloffenes Modell Basic Pitch mit rund 86 Analyse-Frames pro Sekunde darüberlaufen (Quellcode von Basic Pitch) und schreibt eine Standard-MIDI-Datei mit 480 Ticks pro Viertelnote und dem Tempo des Songs. Eine Note 0,625 Sekunden nach Beginn eines Songs mit 96 BPM landet so auf Tick 480, genau auf Zählzeit 2. Umgewandelt werden höchstens die ersten 10 Minuten, und das Audio verlässt dein Gerät nie.
So funktioniert die Umwandlung
Der Konverter nutzt Basic Pitch, ein Transkriptionsmodell, das Spotifys Audio Intelligence Lab unter der Lizenz Apache 2.0 veröffentlicht hat. Das Audio wird zu Mono gemischt, auf 22.050 Hz umgerechnet und in überlappende Fenster von zwei Sekunden zerlegt. Für jedes Fenster schätzt das neuronale Netz rund 86-mal pro Sekunde, welche der 88 Klaviertöne gerade klingen, ob irgendwo eine Note beginnt und wie die feine Tonhöhenkurve verläuft. Eine Nachbearbeitung fügt diese Frames zu Noten mit Anfang, Ende, Tonhöhe und Lautstärke zusammen; genau diesen Schritt steuern die Regler. Das Modell läuft mit TensorFlow.js in einem Hintergrund-Worker, wenn möglich auf der Grafikkarte.
Danach ist es reine Rechnerei. Eine Standard-MIDI-Datei misst Zeit in Ticks – hier 480 pro Viertelnote – und speichert das Tempo als Mikrosekunden pro Viertelnote (SMF 1.1). Eine Note, die t Sekunden nach Beginn einer Aufnahme mit B BPM einsetzt, kommt auf Tick = runden(t × B × 480 ÷ 60), und das Tempo-Event enthält 60.000.000 ÷ B. Vorher werden alle Noten um denselben kleinen Betrag verschoben, damit der erste erkannte Beat des Songs genau auf einer Zählzeit der Datei liegt.
Rechenbeispiel: drei Noten bei 96 BPM
Bei 96 BPM dauert eine Zählzeit 60 ÷ 96 = 0,625 Sekunden und umfasst 480 Ticks; das Tempo-Event lautet also 60.000.000 ÷ 96 = 625.000 Mikrosekunden pro Viertelnote. Liegt der erste Beat des Songs am Dateianfang, ergibt sich:
| Note beginnt bei | Tick | Position im Takt |
|---|---|---|
| 0,000 s | 0 | Takt 1, Zählzeit 1 |
| 0,625 s | 480 | Takt 1, Zählzeit 2 |
| 1,406 s | 1.080 | Takt 1, Zählzeit 3, zweite Sechzehntel |
Aus der Praxis: Für einen E-Bass-Loop mit 96 BPM prüfst du, ob das erkannte Tempo 96 zeigt, setzt Höchste Note auf etwa C3, rastest auf Sechzehntel ein und speicherst. In einem Projekt mit 96 BPM starten die Noten dann auf der Eins von Takt 1, mit dem Groove des Originals.
Grenzen
Das Tool transkribiert Noten mit fester Tonhöhe. Es trennt keine Instrumente, schreibt keine Drumspuren (das Modell wurde nicht auf Drums trainiert – dafür gibt es den Drumcomputer) und setzt kein Notenblatt. Vibrato und Slides landen in dieser Version nicht als Pitch-Bend in der Datei; jede Note wird auf den nächsten Halbton gerundet. Umgewandelt werden die ersten zehn Minuten, damit dem Browser – vor allem auf dem Smartphone – nicht der Speicher ausgeht. Dateien über 200 MB und alle, von denen der Browser vorab weiß, dass sie länger als 30 Minuten dauern, werden schon vor dem Dekodieren abgelehnt.
Quellen
- Bittner, Bosch, Rubinstein, Meseguer-Brocal and Ewert, “A Lightweight Instrument-Agnostic Model for Polyphonic Note Transcription and Multipitch Estimation”, arXiv:2203.09893, 2022 — das Transkriptionsmodell, mit dem der Konverter arbeitet. Geprüft am 10. Oktober 2026.
- Spotify, basic-pitch Quellcode,
constants.py— die Analyse-Abtastrate von 22.050 Hz und die Schrittweite von 256 Samples, die rund 86 Analyse-Frames pro Sekunde ergeben. Geprüft am 10. Oktober 2026. - Standard MIDI-File Format Spec. 1.1, updated (midimusic.github.io) — Ticks pro Viertelnote und das Set-Tempo-Event in Mikrosekunden pro Viertelnote. Geprüft am 10. Oktober 2026.
- Peter Kabal, “Wave File Specifications”, MMSP Lab, McGill University — wie viele Bytes eine PCM-WAV-Datei pro Sekunde belegt. Geprüft am 10. Oktober 2026.
So wandelst du eine MP3 in MIDI um
- Datei wählen. Zieh eine MP3-, WAV-, M4A-, FLAC- oder OGG-Datei auf das Feld oben oder tipp darauf, um eine auszuwählen. Dein Browser dekodiert sie lokal.
- Ersten Durchlauf abwarten. Beim ersten Mal lädt dein Browser ein kleines Transkriptionsmodell (unter 1 MB), danach liegt es im Cache. Ein Song von drei Minuten braucht je nach Gerät meist zehn Sekunden bis eine Minute.
- Piano Roll prüfen. Jeder Balken ist eine erkannte Note. MIDI anhören spielt die Noten mit einem einfachen Synth ab, Original hören zum Vergleich die Aufnahme.
- Aufräumen. Verschieb die Regler unter Bereinigen & quantisieren. Die aufwendige Analyse läuft dabei nicht noch einmal, deshalb greifen Änderungen sofort.
- Speichern. MIDI speichern lädt eine Standard-
.mid-Datei herunter, die Ableton Live, FL Studio, Cubase, Logic, Reaper, MuseScore und jedes andere MIDI-fähige Programm öffnet.
MP3 oder WAV – und wie groß darf die Datei sein?
Wenn du die Wahl hast, nimm WAV. MP3- und AAC-Encoder werfen Details weg, die das Ohr kaum vermisst; bei niedrigen Bitraten gehören dazu hohe Obertöne und leise Noten – genau die Hinweise, mit denen das Modell eine Note von ihren Obertönen unterscheidet. Vorbereiten musst du nichts: Jede Bittiefe (16 Bit, 24 Bit, 32 Bit Float) und jede Abtastrate funktioniert, weil intern alles auf 22.050 Hz Mono umgerechnet wird. AIFF öffnet nur Safari – in Chrome oder Firefox exportierst du besser ein WAV.
Entscheidend ist die Größe. Eine PCM-WAV belegt pro Sekunde Abtastrate × Bytes pro Sample × Kanäle (WAVE-Spezifikation). Gerechnet mit 1 MB = 1.048.576 Bytes, so wie die Grenze von 200 MB zählt:
| Format (Stereo) | Bytes pro Sekunde | Je Minute | Passt unter 200 MB |
|---|---|---|---|
| 44,1 kHz, 16 Bit | 176.400 | 10,1 MB | etwa 19,8 Minuten |
| 48 kHz, 24 Bit | 288.000 | 16,5 MB | etwa 12,1 Minuten |
| 96 kHz, 24 Bit | 576.000 | 33,0 MB | etwa 6,1 Minuten |
Ein Live-Mitschnitt von 15 Minuten in CD-Qualität (rund 151 MB) wird also angenommen, in MIDI verwandelt werden aber nur seine ersten 10 Minuten.
Warum das Tempo zählt
Viele Konverter schreiben ihre MIDI-Dateien stur mit 120 BPM. Läuft dein Song in Wahrheit mit 93 BPM, wandern die Noten über die Taktstriche deiner DAW, und Quantisieren macht es schlimmer statt besser. xx808 misst das Tempo vor der Transkription, schreibt es in die Datei und baut das Raster auf dem echten Beat auf. Erwischt die Erkennung das halbe oder doppelte Tempo, tipp die richtige Zahl ins Tempofeld.
Was die Einstellungen bewirken
- Am Raster einrasten zieht Notenanfänge und -enden auf die nächste Viertel, Achtel, Sechzehntel oder Achteltriole. Mit einer Einrast-Stärke unter 100 % bleibt etwas vom menschlichen Timing erhalten.
- Notentrennung: höher, wenn eine lange Note in Stücke zerfällt; niedriger, wenn Tonwiederholungen zu einer Note verschmelzen.
- Konfidenz: höher, um leise Geisternoten, Obertöne und Hallfahnen loszuwerden.
- Kürzeste, tiefste und höchste Note filtern kurze Blips heraus und begrenzen den Tonumfang, etwa für eine Bassline.
- Instrument setzt nur das General-MIDI-Programm in der Datei.
Tipps für saubere Ergebnisse
- Ein Instrument zur Zeit: Solo-Klavier, eine gesungene Melodie oder eine Bassline klappen viel besser als ein kompletter Mix.
- Trocken schlägt nass: Viel Hall und Verzerrung erzeugen Energie auf Tonhöhen, die gar nicht gespielt werden.
Häufige Fragen
Ist der Konverter von MP3 in MIDI kostenlos?
Ja. Kein Konto, kein Wasserzeichen und keine Begrenzung, wie viele Dateien du umwandelst. Weil dein Gerät die Analyse übernimmt, gibt es keine Server, die Audio verarbeiten und bezahlt werden müssten.
Wird meine Musik auf einen Server hochgeladen?
Nein. Dein eigener Browser liest und analysiert die Datei. Prüfen kannst du das im Netzwerk-Tab der Entwicklertools – oder indem du nach der ersten Umwandlung den Flugmodus einschaltest und im selben Tab eine weitere Datei umwandelst.
Kann ich einen ganzen Song mit Gesang, Drums und Instrumenten umwandeln?
Du bekommst Noten, aber ein dichter Mix ergibt eine ebenso dichte, unordentliche MIDI-Datei, weil die Noten aller Instrumente gleichzeitig erkannt werden. Brauchbar wird es mit einem einzelnen Instrument oder einem getrennten Stem.
Gehen auch WAV-Dateien mit 24 Bit oder 32 Bit Float?
Ja. Jede Bittiefe und jede Abtastrate, die dein Browser dekodieren kann, funktioniert, weil das Audio vor der Analyse ohnehin auf 22.050 Hz Mono umgerechnet wird. Die eigentliche Grenze ist die Größe: 200 MB, das sind bei einer Stereo-WAV mit 44,1 kHz und 16 Bit etwa 19,8 Minuten.
Warum liegen manche Noten eine Oktave daneben oder sind doppelt?
Kräftige Obertöne können wie eine zweite Note eine Oktave oder Quinte über der echten aussehen. Dreh die Konfidenz etwas höher oder begrenz den Tonumfang, dann verschwindet das meiste davon.
Welche Programme öffnen die .mid-Datei?
Es ist eine Standard-MIDI-Datei (Format 1, 480 Ticks pro Viertelnote) mit dem erkannten Tempo. Jede gängige DAW, jedes Notensatzprogramm und jeder Hardware-Sequenzer, der .mid-Dateien liest, kann sie öffnen.
Wie genau ist das Ergebnis?
Bei sauberen Soloaufnahmen erkennt Basic Pitch die meisten Noten richtig, Akkorde eingeschlossen. Hintergrundgeräusche, starke Effekte und viele gleichzeitige Instrumente drücken die Trefferquote. Sieh das Ergebnis als schnellen ersten Entwurf, nicht als fertige Transkription.
Die Ergebnisse sind automatische Schätzungen und können falsche oder fehlende Noten enthalten. Wandle nur Aufnahmen um, die du nutzen darfst. Basic Pitch ist © Spotify AB, lizenziert unter Apache 2.0; xx808 steht in keiner Verbindung zu Spotify.
Zuletzt aktualisiert am