MP3音乐转钢琴曲（自然语言调参）

解决什么痛点

拿到一首歌想要钢琴翻弹版本，通常得先找原谱、再找音色库，中间还要经历繁琐的扒谱和打谱。这个技能提供一条离线自动化流水线：直接输入 mp3 文件，输出演奏版 mp3，同时保留一份可编辑乐谱。它不依赖联网拉取采样库，适合在本地环境快速把任意歌曲转成钢琴独奏版本，方便二次创作或人工精修。

核心工作链路

整个流程大致分为四步，全程在本地完成，核心逻辑如下：

• 音频转录：通过 ffmpeg 转成单声道 wav 后，使用 Spotify 开源的 basic-pitch 神经网络做多音高检测，输出 MIDI 音符。
• 过滤与清理：默认按音高范围丢弃底鼓与超高频误判。如果歌曲鼓点较重，可开启 --hpss 谐波/打击乐分离，只把旋律轨喂给转录器，实测能显著减少低频噪声。
• 渲染输出：默认走纯 numpy 加法合成器，建模了多谐波、非谐性、指数衰减包络与击弦瞬态，开箱即用。若追求真实采样质感，可加载 .sf2 钢琴音色库，渲染器会自动探测采样余响长度，在踏板与松键尾巴之间自适应切换。
• 人机协作闭环：默认导出 .musicxml 双行谱。可以在 MuseScore 等软件里修正错音和节奏，再通过 --from 回灌渲染，形成“机器初稿 → 人工精修 → 重新渲染”的正循环。

适用边界与注意点

这是一套基于信号处理与神经网络的近似方案，不是精确的乐谱重建工具，使用时需要注意以下局限：

• 转录天花板：音准和节奏的上限由 basic-pitch 决定。复杂编曲、重度失真或密集鼓点容易造成错音与节奏漂移，此时建议通过打谱软件人工修正后重新导入，而不是盲目调整合成参数。
• 合成音色局限：默认数学合成路径听感偏向物理建模的电钢琴，追求录音级质感仍需自备长采样 .sf2。渲染器内置了三级降级链，在音色库加载失败时会自动回退到 numpy 合成，保证任务不中断。
• 整曲钢琴化：当前不做人声或伴奏分离，人声旋律也会被转录成钢琴音符。若只需要伴奏或只要人声旋律，需要先借助其他音轨分离工具处理源文件。