オーディオをMIDIに変換（MP3・WAV対応）

しくみ：Basic Pitchとティックの計算

採譜モデルは、SpotifyのAudio Intelligence Labが公開しているBasic Pitch（Apache 2.0ライセンス）です。TensorFlow.jsでブラウザのバックグラウンドスレッドに読み込み、GPUが使えればGPU、使えなければCPUで動かします。音声をモノラル・22,050Hzにまとめ、256サンプルずつずらして解析するので、1秒あたり約86フレーム。フレームごとに鳴っている音高とノートの始まりを推定し、最後の後処理でそれを開始・終了・音高・強さをもつノートにまとめます。スライダーが動かしているのはこの後処理なので、調整は一瞬で反映されます。

スタンダードMIDIファイルは時間をティックで数え（ここでは4分音符＝480）、テンポを4分音符1つあたりのマイクロ秒で記録します（SMF 1.1）。BPM B の録音で t 秒目に始まるノートは tick = round(t × B × 480 ÷ 60) に置かれ、テンポイベントには 60,000,000 ÷ B が入ります。その前に、最初に検出した拍がファイルの拍線に重なるよう、全ノートを同じ量だけずらしています。

計算例：BPM96の3つのノート

BPM96では1拍が60 ÷ 96 = 0.625秒で480ティック、テンポイベントは60,000,000 ÷ 96 = 625,000マイクロ秒です。曲の1拍目がファイルの先頭にあるとき：

エレキベース入りのBPM96のループから、シティポップ風のベースラインをシンセで弾き直すなら、検出テンポが96なのを確かめ、「最高音」をC3あたりにして上の音を除き、16分音符でスナップしてダウンロード。BPM96のプロジェクトに置けば、1小節目の頭から元のグルーヴのまま並びます。

対応範囲と制限

書き起こすのは音程のあるノートだけです。楽器の分離、ドラムの採譜（モデルがドラムを学習していないので、ドラムマシンで打ち込んでください）、楽譜の作成はしません。ビブラートやスライドはファイルに書かず、ノートは最も近い半音に丸めます。変換は最初の10分までで、メモリ不足を防ぐため（特にスマホ）それ以降は切り捨てます。200MBを超えるファイルと、30分を超えるとブラウザが事前に分かるファイルは、デコード前にお断りしています。

MP3をMIDIに変換する手順

1. ファイルを選ぶ。MP3、WAV、M4A、FLAC、OGGのどれかを、上の枠へドラッグ＆ドロップします。スマホなら枠をタップして選択できます。
2. 解析を待つ。初回だけ小さな採譜モデルをダウンロードし、2回目からはキャッシュを使います。
3. ピアノロールを確認する。「MIDIを試聴」と「原音を再生」で聴き比べます。
4. 整える。「整理とクオンタイズ」のスライダーを動かします。重い解析はやり直さないので、すぐに反映されます。
5. ダウンロードする。「MIDIをダウンロード」で標準の.midを保存し、CubaseやStudio One、Logic Pro、Dominoなどで開きます。

WAVファイルを変換するとき

DAWからパラ出ししたWAVは、MP3で削られがちな倍音や小さな音が残っているので採譜に最適です。16bit、24bit、32bit floatのどれでも、サンプルレートを問わず22,050Hzのモノラルにして解析するので、下準備は要りません。気にするのはサイズだけで、PCM WAVの1秒あたりのバイト数は「サンプルレート × 1サンプルのバイト数 × チャンネル数」です（WAVEフォーマット仕様）。上限と同じく1MB＝1,048,576バイトで数えると：

3分の曲を48kHz・24bitでバウンスすると約49MBで、まるごと変換できます。AIFFはデコードできるブラウザ（Safari）でしか開けないので、ほかではWAVで書き出してください。

設定項目の意味

• グリッドにスナップ：開始と終了を4分・8分・16分音符か8分3連に寄せます。「スナップの強さ」を100%未満にすると、人間らしい揺れを少し残せます。
• ノートの分割：伸ばした音が細切れになるなら上げ、連打が1つにまとまるなら下げます。
• 信頼度：上げると、かすかなゴーストノートや倍音、リバーブの残りが消えます。
• 最短ノート／最低音・最高音：短すぎるノートを捨て、音域を絞ります。ベースだけなら最高音をC3前後に。
• MIDIファイルの音色：記録するGeneral MIDIのプログラム番号を決めるだけで、DAWではいつでも差し替えられます。

テンポを書き込む理由

一律BPM120で書き出すツールだと、BPM96の曲ではノートがDAWの小節線からずれていき、クオンタイズでかえって崩れます。xx808は測ったテンポを書き込み、実際の拍に合わせたグリッドへノートを寄せます。検出値が半分や倍なら、テンポ欄を直すだけでグリッドが作り直されます。

きれいに変換するコツ

楽器は1つずつ、エフェクトは控えめに、区間は必要な部分だけ。完成曲しかなければ先にステム分離ツールでパートを取り出し、数か所の手直しは前提で、耳コピの下書きとして使うのがおすすめです。