浏览器中可将歌声转化为可打印乐谱

背景

在音乐创作与记谱领域，将人声旋律快速转化为标准五线谱一直是一道技术门槛。传统方式需要乐理知识、手动听写或依赖付费软件，而移动端或桌面端工具往往需要复杂的安装流程。最近 Hacker News 上出现的一个开源项目，提供了一种极简的解决方案：在浏览器中直接通过麦克风录制歌声，自动生成可打印的音符。该项目将节拍器、音高检测、重音分割等机制集成在一个网页内，用户无需离开浏览器即可完成从演唱到谱面的完整流程。

核心内容

该工具的核心工作流程如下：

1. 输入与节拍对齐：用户对着麦克风唱歌，内置节拍器会设定一个时间网格（即节拍细分）。在每个细分单元内，用户所保持的任意音高都会被记录为音符。节拍器起到量化作用，确保音符落在正确的时间位置。

2. 实时视觉反馈：界面显示一个以五线谱为基准的图表，纵轴代表音高（以分单位显示音高偏离，例如 -50¢ 到 +50¢，中心为调音准点），横轴代表时间，其中较粗的竖线表示强拍（downbeats），较细的竖线表示弱拍。用户演唱时，被确定写入乐谱的音高会以圆点形式出现在对应位置。如果某个圆点带有红色竖线，表示系统检测到一次“重新起音”（re-attack）并写入了一个新音符，而不是将同一音高延长成为连音。

3. 重攻击灵敏度（Re-attack sensitivity）：此参数决定两个相同音高的小节（cell）被视为一个持续音符还是两个重复音符。系统通过检测两个音之间音量下降的幅度来决定是否分割：当边界处最安静时刻的音量低于该音符自身音量的某一比例时，就会分割。提高灵敏度会使系统更倾向于分割（即更频繁地将同音视为重复），降低到 0 则永不分割，所有同音都会变成连续的长连音。用户演唱重复音时，建议用不同的音节（如“ta-ta”）来帮助系统识别；如果用同一个元音连续唱同一个音，信号中就没有特征来区分它和持续音。

4. 硬件与噪声控制：必须使用耳机，否则节拍器发出的咔嗒声会串入麦克风，干扰音高检测。工具内置噪声门（noise gate），会忽略低于设定阈值的音量；还设有音高容忍度（tolerance），会拒绝对比真实半音偏差过大的频率，从而切除滑音和起音时的音头（scoop）。

5. 状态指示：界面显示安全上下文（Secure context）、输入设备状态、麦克风轨道、采样率、输入峰值与有效值（RMS）以及检测器状态，提供完整的调试信息。

关键要点

• 完全在浏览器端运行，无需安装任何软件或插件，通过 Web Audio API 实现实时音频处理。
• 节拍器提供量化网格，帮助用户将自由演唱的音符对齐到预设的节拍位置。
• 音高检测以分（cent）为单位显示偏离，并通过视觉图表实时反馈。
• 重攻击灵敏度是核心调节参数，控制同音重复与持续音的区别；建议用户用显式音节断开音符以获得更好识别。
• 必须使用耳机防止节拍器声反馈；噪声门和音高容忍度用于过滤环境噪声和修饰性滑音。
• 界面提供详细的技术监控指标（如采样率、峰值/RMS），便于调试和性能观察。

意义与影响

该工具降低了音乐记谱的技术门槛，让不具备乐理知识的爱好者也能通过简单的歌声输入快速获得标准五线谱。它将复杂的音频信号处理（音高追踪、时间量化、分割检测）封装在浏览器中，体现了现代 Web API（尤其是 Web Audio API 和 MediaStream API）在创意工具领域的强大潜力。

对音乐教育者而言，它可以成为视唱练耳教学的辅助工具——学生唱出旋律后立即看到乐谱反馈，有助于建立音高与记谱的对应关系。对于快速灵感记录的场景（如音乐人哼唱旋律），它提供了一个比录音更结构化的输出方式：直接生成可打印的乐谱，而非反复试听音频。此外，开源属性使得开发者可以在此基础上扩展功能，例如支持更复杂的节奏划分、多声部或导出为 MIDI/Sibelius 格式。

当然，该工具当前依赖实时节拍器强制定时，对于自由节奏或复杂切分的演唱可能不够灵活。重攻击分割的准确度也很大程度上依赖用户演唱习惯（如是否故意断开同音）。但它作为概念验证已经展示了浏览器作为轻量级音频创作平台的可行性，未来有望整合更多机器学习模型（如自动转写）以进一步提升识别鲁棒性。