鼓 stem 转 MIDI 实用指南

如果你在任何通用音频转 MIDI 工具里试过转鼓录音，可能见过 Reddit 上这个抱怨："鼓被识别成钢琴音符了。" 这篇讲清楚为什么会这样，以及今天就能用的 3 个 workaround——不需要买 Roland GK 拾音器。

为什么鼓 stem 会让大多数音频转 MIDI 工具失灵

通用音频转 MIDI 引擎（包括 PureMIDI 当前版本，鼓模式上线前）识别有音高的音符。它们寻找基频和谐波结构，然后把识别到的音符写成 MIDI 事件——音高 + 起始时间 + 结束时间 + 力度。

鼓打破这个模型，原因：

• 鼓不是旋律乐器那种"有音高"的方式。snare 是一段宽频噪音加短暂的 tonal "ping"。kick 主要是低频 thump。引擎在找干净的基频——找到的是噪音。
• 引擎没有"鼓组组件"的概念。它不知道这个 transient = kick，那个 = snare，闭镲噪音 = hi-hat。它只是听到某个音高并记录下来。这个音高通常落在钢琴音域，所以你的 snare 变成了 A3。
• General MIDI（GM）鼓用特定音符号——kick 是 MIDI 音符 36，snare 是 38，闭镲是 42，等等。没有分类逻辑的话，引擎无法把识别到的击打映射到 GM 鼓标准上，意味着输出无法正确触发鼓采样器。

所以"聪明"的工作流需要识别鼓组组件的鼓转写——这是和旋律音高识别不同的技术。

今天就能用的 3 个 workaround

方案 A：在 DAW 里切片并触发（最自动）

现代 DAW 都内置了 drum-replacement 工具——它们不"转写"，而是检测 transient 并触发 MIDI 击打。例如：

• Logic Pro：把鼓 stem 拖到轨道上，右键 → Convert → Convert to Sampler Track…；或新版的内置 Drum Replace。
• Ableton Live：右键 audio clip → Convert Drums to New MIDI Track。Live 尝试把 kick/snare/hat 击打映射到 MIDI 音符。
• Cubase：Drum Replace + Hitpoints 工作流。
• Reaper：ReaTune / ReaSlice + 手动 transient 标记。
• Studio One：Audio Bend / Sampler 轨道转换。

能用：单源干净的鼓 stem（单独 kick 通道、单独 snare 通道）。DAW 内置工具对这些处理得很好。

不行：完整鼓总线，kick/snare/hat 互相重叠。DAW 会搞不清哪个 transient 属于哪个鼓组组件。

方案 B：先分鼓 stem，再触发

如果只有完整鼓总线（没有独立的 kick/snare/hat 通道），可以先用免费或低价的 stem 分离工具分轨。现在很多工具支持"鼓组分离"——把单一鼓总线分成 kick、snare、hi-hat、toms 几条轨道。

分离后，每条独立轨道再走方案 A。单通道 transient 检测远比从混合鼓总线里识别多个击打可靠。

常见分离方案：

• 开源模型如 htdemucs 能从整曲混音里分离出鼓总线。
• 一些商业工具进一步把鼓总线分成各组件。
• 对很多人来说，仅从整曲混音里分离出鼓总线已经是大胜利——配合 DAW 的 Drum Replace 通常就够了。

方案 C：手动重建 MIDI（最准）

如果准确度比速度重要，手动方法胜过当前所有自动转写：

1. 把鼓 stem 放到 DAW 的音频轨上当参考。
2. 打开鼓采样器（Logic Drummer、EZdrummer、Superior Drummer、Ableton Drum Rack）。
3. 边听鼓 stem 边把节奏型弹到 MIDI 里——用 MIDI 控制器或在 piano roll 里点。
4. 用耳朵量化和调整 velocity。

对复杂的爵士鼓独奏或异拍摇滚 fill，这是今天能拿到生产级 MIDI 的唯一方式。每 4 小节 pattern 预计花 5-15 分钟。繁琐但结果可用。

即将上线：PureMIDI 的鼓识别模式

我们在做识别鼓组组件的鼓转写模式，能接受鼓 stem（或整曲自动分轨）输出标准 General MIDI 鼓音符——kick 36，snare 38，闭镲 42，开镲 46，toms 41/43/45/47/48/50。预计上线时间：当前产品路线图的 5-8 周。

上线后的工作流是一次上传：

1. 把鼓 stem（或整曲）拖进 PureMIDI。
2. 拿回带正确鼓组组件映射的 drums.mid。
3. 拖到 Drum Rack / EZdrummer / Superior Drummer 轨道播放。

在那之前，方案 A（DAW Drum Replace）是干净 stem 的最快路径，方案 C（手动重建）对混乱或复杂素材最准。

上传技巧（鼓模式上线后用得上）

无论用哪个鼓转 MIDI 工具，包括 PureMIDI 即将上线的鼓模式，这些技巧都通用：

• 能用独立 stem 就用。单独 kick 通道比鼓总线容易，鼓总线比整曲容易。
• 避免源文件重压缩和混响。被压扁的 transient 更难检测。
• 镲是最难的。crash、ride、washy 镲常被误识别。预留人工清理时间。
• 慢速比快速容易。175 BPM 的 drum'n'bass 比 95 BPM 的 hip-hop beat 难得多。
• 原声鼓通常比重度处理的电子鼓容易。真鼓有更明显的 transient 特征。

专门讲讲 Suno 的鼓 stem

如果你想把 Suno 的 drums.wav stem 转 MIDI，同样的限制适用。当前 PureMIDI 引擎会把鼓击打误识别。先用方案 A（把 Suno 鼓 stem 拖到 DAW 用 Drum Replace）。等我们的鼓模式上线后，可以直接上传 Suno 鼓 stem 拿到正确的 drums.mid。

Suno 整曲的其他部分（vocals、bass、other），Suno 转 MIDI 工作流今天就能跑。

常见问题

为什么 AI 音乐工具不直接加鼓转写？

因为这是不同模型。音高识别和打击乐分类是两个不同的问题，需要不同的训练数据。大多数通用音频转 MIDI 工具优先做有音高素材，因为市场更大——鼓专用工具通常作为第二个产品做。

能不能用 drum trigger 插件做现场？

可以。现场鼓转 MIDI 用硬件方案如 Roland TM-2，或软件方案如 Toontrack EZmix 的 drum trigger 都可以实时工作。这是和离线转写不同的品类。

PureMIDI 鼓模式准确度会怎样？

上线时会公布准确度基准。诚实回答：取决于素材。干净独立的 kick/snare/hat stem 大概率 90%+，混乱的完整鼓总线带镲和效果会更低。我们会在文档里透明说明边界。

支持 General MIDI 鼓映射吗？

支持。输出会用标准 GM 鼓音符（36 kick、38 snare、42 闭镲、46 开镲 等），所以可以直接配合 EZdrummer、Superior Drummer、Logic Drummer、Ableton Drum Rack、FL Studio FPC 等任何 GM 兼容鼓采样器。

鼓模式上线时怎么收到通知？

发邮件到 support@puremidi.com 主题写 "Drum mode waitlist"，鼓模式上线那天我们会发一行通知给你。同时也会发上线博文并更新 /audio-to-midi 工具页。