[F9]亲测拆完 3 首 AI 曲，我把它们改回了五线谱

工具与模型事实（Suno/Udio/Basic Pitch/MuseScore/Sibelius/Ableton/music21）均于 2026 年 9 月 24 日按官方发布页、GitHub 仓库与手册核实；曲式理论表述依据高为杰、陈丹布编著《曲式分析基础教程》（高等教育出版社）。全部代码在 Python 3.11 + music21 10.5.0 环境实跑，输出原样粘贴。

上一篇《AI 作曲的天花板，卡在了曲式上》发出去之后，后台问得最多的一句话是：诊断你讲透了，那我手里那首 AI 歌，到底怎么改？

这篇回答“怎么办”。先把问题本身摆正：很多人以为难点在“AI 写得不够好”，实际跑一遍就会发现，第一道坎比这原始得多。AI 生成的歌是一块音频，不是一首乐谱。 你拿到的是一条立体声混音：人声、吉他、合成器全部熔在一起，改任何一个声部都得整曲重新生成；乐队排练要分谱，教学要板书谱例，出版要 PDF，它一个都给不了。所以“把 AI 的歌改回五线谱”不是比喻，是一条有起点和终点、每一步都有工具接手、也每一步都有坑的物理流水线。

我最近把三首生成曲从头到尾推了一遍，把整条链子摊开讲：六个环节各用什么、能到什么程度、坑精确地埋在哪。跑完之后我还发现一件事：上篇那本教材不只能当体检表。诊断是医生干的事，动手改谱的人需要的是另一样东西：验收标准。高为杰书里那些判据，恰好就是一份现成的质检清单。这一篇，理论线就从“为什么露怯”切到“改到哪算对”。

※ ※ ※

🔧 第一部分：整条流水线长什么样

六个环节：生成 → 分轨 → 转 MIDI → 整理 → 打谱 → 曲式质检回改。前五步都有软件接手，最后一步只有标准。逐个说。

第 1 步：生成层，先挑一个“肯放人走”的平台

这道选择题在 2026 年变得非常尖锐：有的平台已经不让你把文件带走了。

Suno Studio 2.0（2026-08-13 发布，Premier 档）目前是对下游最友好的入口。官方功能表里和这条流水线直接相关的有四样：时间轴上的 MIDI 录制与完整钢琴卷帘（能画、能移、能量化、能改力度和弯音）；audio-to-MIDI 转录，把音频 clip 拖到 MIDI 轨上，音符能扒回来；MIDI-as-prompt，你弹的音符进行反过来当生成条件，模型按你的演奏去编；Advanced Stem Separation，右键任何音频 clip 拆人声、鼓、贝斯、吉他、键盘、效果，对上传的外部音频同样生效，32-bit/48 kHz 分轨导出在 Premier 档不限量。这些是官方 Release Notes 白纸黑字的功能，查证日期 2026-09-24。

Udio 要单独提醒：自 2025 年 10 月 29 日与环球和解转入封闭平台之后，它的音频、分轨、视频下载全部关闭，作品只能在自己的播放器里听。2026 年 7、8 月的多家复核仍然如此。它生成的东西口碑不差，但带不走文件，就进不了任何下游流水线。本篇实验因此以 Suno 系导出口径为参照。

一句话总结这一步：选生成平台，先问它放不放你带着文件走。旋律再好，锁在播放器里就是一句“试听”。

顺带交代三首歌的实际成本，给想照抄这条链的人一个预算感：分轨加转录，CPU 上一首三分钟的歌，Demucs 跑二十分钟、Basic Pitch 逐轨再花几分钟，机器时间是主要开销；人工整理（量化、删串音、补奏法）一首歌两到三小时，是真正的成本大头；打谱导出属于白送。质检回改看你要动多大手术：只补终止式，一首歌再加一小时；如果中段推倒重做对比，那就是创作时间，不叫修改时间了。整条流水线跑顺之后，我的口径是：一个下午出一首能排练的改编，两天出一首结构合格的作品。

第 2 步：分轨，把混音拆开才谈得上“声部”

拿整曲混音直接转 MIDI，结果基本是糊的：各乐器的泛音列在频谱上互相踩，转录器会把吉他的二次谐波记成键盘的“额外音”。所以先把人声、鼓、贝斯、和声乐器拆开，再逐轨转录。

两条路都通。商用路：Suno Studio 的 Advanced Split，或者 Ableton Live 12（Suite 档，12.3 起内置 stem 分离）。开源路：Meta 的 Demucs，pip install demucs 就能跑，htdemucs 模型把人声/鼓/贝斯/其他拆成四轨，CPU 上也能处理三分钟的曲子，只是慢。

坑位提前标出来：分轨永远拆不干净。人声轨里漏进来的和声、吉他轨上趴着的键盘延音，到了下一步都会被“忠诚地”记成音符。分轨质量是这条流水线的天花板，转录器不会比你喂给它的东西更聪明。

第 3 步：音频转 MIDI，“能用什么”和“能用得爽”的分界线

这一层开源方案完全可用，但每个方案的边界官方自己都写着，得看清再用：

Basic Pitch（Spotify 开源，Apache-2.0）：pip install basic-pitch 即装即用，命令行一行出 MIDI，支持复调，还带弯音检测（这正是它比老一代转录器细的地方）。README 里同样直说：它 works best on one instrument at a time，一次喂一件乐器最准。所以它必须排在分轨后面，不能替代分轨。论文发表于 ICASSP 2022，模型小到不到 2 万参数，笔记本上秒级出活。

MT3 系（Google Magenta 提出，arXiv:2111.03017）：多乐器多轨同转这条路的学术源头，T5 架构约 6000 万参数。官方代码停在研究栈，2026 年想真用得靠社区包 mt3-infer，它把 MT3、YourMT3 等模型包成了能 pip 装的 PyTorch 推理管线，README 标称 12 倍到 57 倍实时速度（RTX 4090 实测口径）。一句话：Basic Pitch 管单轨，MT3 系管整曲，精度用算力换。

MuseScore Audio-to-Score（2026-08-17 上线，beta）：打谱阵营亲自下场了。官方新闻稿的说法：自研深度模型，上传 MP3（30MB，约三分钟）或贴 YouTube 链接，直接出 MSCZ 乐谱文件，节奏、拍号都能识别。范围目前限定独奏钢琴与民谣吉他，官方口径是后续扩乐器。钢琴 sketch 一步到谱很香，多乐器编制还轮不到它。

商用 DAW 兜底：Ableton Live 的 Convert Harmony/Melody to New MIDI Track 是十多年的老功能，官方手册第 13 章，配合 Live 12 的分轨能覆盖大部分流行编制。

我的实际体验排序：单乐器轨道用 Basic Pitch（快、轻、带弯音），钢琴独奏直接丢给 MuseScore 的新功能试试整谱效果，整曲混音硬啃才上 MT3 系。别指望任何一家“全自动转总谱”，那不是现在的技术水位。

第 4 步：整理 MIDI，三个坑全在这一步爆

转出来的 MIDI 是毛坯。这一步在 DAW 或 MIDI 编辑器（Studio 的钢琴卷帘就行）里做，三件事按顺序：

坑一，节奏量化失真。 人唱的拖拍、swing 的偏网格、吉他滑音前的那半个音，被“对齐十六分音符”一掰全没了。听起来从“有律动”变成“有节拍器”。修法是粗量化：只把明显漂移的音符拽回网格附近，别全选一键量化。量化力度设成 60% 以下、或者干脆手修，是这一环的基本礼貌。

坑二，奏法信息蒸发。 力度层次、踏板、连断、揉弦方向，MIDI 1 协议能表达一部分（控制器消息），但转录器几乎不输出。你拿到的是一张“只有音高和时值”的骨架。所有表情记号，后面要在打谱软件里人工补。这不是工具偷懒，是协议天花板：audio-to-MIDI 解决的是“弹了什么音”，不是“怎么弹的”。

坑三，声部串音。 第 2 步漏过来的泛音鬼魂在这一步显形：旋律轨中间突然冒出一个低八度的双音、鼓缝里夹着一记不存在的“和弦”。它们的处理优先级高于一切创造性修改：先删干净，毛坯才能看。

这三个坑连起来，就是“音频像样 ≠ 乐谱能用”的分界线：耳朵是宽容的，谱面是严厉的。 混音里一点相位模糊听不出来，谱面上就是一个多余的降 B。

第 5 步：打谱，MIDI 进，谱面出

主力就一个：MuseScore Studio 4，免费，GPL-3.0，导入 MIDI 后自动分谱、排版、导出 PDF，桌面版打开 File → Import 选中 .mid 即可。专业管弦乐出版级的 engraving 再上 Sibelius（2026 年已更新到 2026.8 版，持续维护）。Finale 已停止开发，MakeMusic 官方公告挂出后不再有任何更新，存量用户社区在做 .musx 转 MusicXML 的救济工具，新项目别碰它。

环节之间的通用接口是 MusicXML：MuseScore 4 按 4.0 规范读写，Sibelius 同样支持，等于打谱软件之间的“普通话”。music21 也能直接 write('musicxml')，也就是说第三部分的代码结果一步就能变成能打印的谱。

MIDI 导入的排版坑顺带点名：软件不知道你的拍号与分句意图，会把切分音拆成跨拍连线的碎音符、把右手旋律塞进左手谱表。MuseScore 4 手册的 MIDI import 一节承认导入面板尚未完全实现，所以导入后的第一动作是“Restize”加重新分谱表，花十分钟，省后面两小时。

第 6 步：曲式质检回改，流水线里唯一没有按钮的一步

前五步你花钱装软件，机器替你干活；第六步没有任何“质检”按钮可点，因为验收标准不在软件里，在一个一百年前就有了的学科里。下一部分把标准翻译出来。

※ ※ ※

📐 第二部分：曲式学从“体检表”升级成“质检标准”

上篇用教材做诊断，立了三个病理名词：副部失踪、假再现、展开部缺失症。但诊断是医生干的活，编辑拿到谱子之后要问的是另一个问题：改什么，改成什么样算改对了？

高为杰教材的价值在这里换了个用法。书里那套判定证据，本来就是可复核的硬标准，逐条翻译过来就是编辑工作清单。我挑三条最可操作的。

清单 1：乐段完整性检验，先查终止式，再谈旋律

教材第二章给乐段划边界，靠的是终止式：上句停在半终止，是开放，意思是“话没说完”；下句停在全终止，是收拢，意思是“这局说完了”。一问一答，才构成一个能独立存在的乐段。乐句的呼吸关系，全部写在终止式的类型里。

翻译成谱面上的动作：AI 旋律“听着顺但谱上散”，根因多半不在旋律线，在和声从不真正收口。没有 V→I 的落点，八个一组的乐句就没有铰链，听感上就是“一直在漂”。编辑的修法不是改旋律，是在每个句尾把和声送回主和弦，必要时给终止式让路改一两个旋律音。曲式的句子是终止式“框”出来的，不是旋律“哼”出来的。这条标准还有个好处：它在 MIDI 阶段就能查（和弦轨在，根音运动就能算），不必等到谱面排完。第三部分的代码 2 就是这条清单的机器化尝试。

清单 2：重复与变奏的层级检验，回归要不要原样？

AI 曲子里主题出现三遍是常态，麻烦在每一遍都是原地复制。教材第六章把“同一材料的多次身份”分得极细：装饰变奏，骨架不动，只加花，旋律轮廓、和声进行、句法结构全套保留；性格变奏，节拍、调式、织体、表情全部翻面，同料不同魂。回旋曲式里主部每次回归，原样还是变奏，是个编辑决策，不是渲染参数。

对应到动手层面，三种改法的成本完全不同：改配不改主题（换配器、换织体、主题原样），装饰变奏级别的活，一个下午；整段换性格（大小调翻面、节奏型重做），性格变奏级别的活，得推倒重写但材料还有血缘。我的默认排法：第一次回归原样（建立记忆锚点），第二次装饰变奏（防腻），第三次要么性格变奏要么给出全曲最高音，总之必须“更贵”。复读机式的三遍原样，是把素材的折旧直接摊给听众。

清单 3：对比并置检验，中段不能是同素材原地复读

教材讲三段结构，中段（或称中部）的入场资格是“对比并置”：新调性、新织体、新句法，至少占一样。它是“去”，再现才是“回”；没有真去过，回来就没有意义。AI 的中段最常见的失败形态，是拿首段素材换个音色、抬点音量再放一遍。听感“还行”，结构上等于没写：教材的功能词叫“同材料展开不足”，说人话就是假对比。

编辑要造真对比，三样里抓两样起步：转关系大小调（最便宜，半小时）、换织体密度（旋律换成长音，或者伴奏换成对位）、改句幅长短（方整四句破成三加五）。中段与首段的关系越“背”，再现部的回归越“重”，这是教材给的杠杆，不是玄学。

三条清单合起来，能给 AI 时代的“编辑”下一个定义了：把模型没做对的功能事件，在谱面上补回来。 曲式学，就是那份功能事件清单。它不替你写任何一个音，但它告诉你缺了哪个音。

清单之外，还得有施工顺序，否则你会在同一个地方改三遍。我现在的固定次序是四步：先删，后补，再造，最后排。 删是删串音碎音（第 4 步的坑三，毛坯都没成，谈什么质检）；补是按清单 1 把每个乐段的终止式铰链钉上，这一步改动最小、收益最大，通常只是句尾一两个和弦、个别旋律音的让路；造是按清单 2、3 处理重复层级与中段对比，这是真正花脑子的段落，动的是材料关系；排是最后到打谱软件里补奏法、踏板、分句与排版，把“对的音乐”变成“能演奏的音乐”。次序反过来的代价我付过一次：先排版再改结构，小节线全乱，等于排了两遍。

※ ※ ※

🔬 第三部分：动手实验，用代码给 MIDI 做结构检测

标准讲完，忍不住要问：这三条清单有多少能机器化？我建了个临时虚拟环境，pip install music21（实测版本 10.5.0），写了三个脚本，分别回答三个问题：机器会不会分段？会不会查终止式？会不会看穿假再现？

为了让实验谁都能复跑，我没有直接依赖某家平台的导出文件，而是按“Suno Studio 导出 MIDI 大概长什么样”合成了一首 32 小节的测试曲：A 主题 8 小节（C 大调，块末 G→C 全终止收拢），B 中段 8 小节（转 g 小调方向），A 再现 8 小节（原样回归），C 插部 8 小节（高音区新材料）。真实流水线里，这一步换成你的 .mid 导出文件即可，脚本不作任何改动就能跑。

代码 1：造出测试曲并导出 MIDI

#!/usr/bin/env python3
"""把 AI 生成曲的"骨架"造出来：A-B-A'-C 四段、每段 8 小节、导出 MIDI。
真实流水线里这一步是 Suno Studio 导 MIDI；此处用合成素材等价复现。"""
from music21 import note, stream, meter, harmony as m21harm

# 段谱：32 个四分旋律音 + 16 个二分和弦 = 8 小节
A_MEL = ("C5 D5 E5 G5 E5 D5 C5 D5 " * 4).split()          # 主题
A_CH  = ["C", "G", "Am", "F", "C", "F", "G", "C"] * 2
B_MEL = ("G4 A4 B-4 A4 G4 F4 G4 G4 D4 F4 G4 F4 D4 B-3 D4 F4 " * 2).split()
B_CH  = ["Gm", "Dm", "Gm", "D", "Gm", "B-", "D7", "Gm"] * 2   # 中段：转 g 小调方向
C_MEL = ("E6 C6 G5 E5 G5 C6 E6 G6 F6 C6 A5 F5 A5 D6 C5 C5 " * 2).split()
C_CH  = ["Am", "F", "C", "G", "F", "C", "Dm", "G"] * 2        # 插部：高音区新材料

def build(segs):
    s = stream.Score(); s.insert(0, meter.TimeSignature("4/4"))
    top, har = stream.Part(), stream.Part(); t = 0.0
    for mel, chs in segs:
        for p in mel:
            n = note.Note(p); n.duration.quarterLength = 1
            top.insert(t, n); t += 1.0
        for k, c in enumerate(chs):
            v = c if hasattr(c, "pitches") else m21harm.ChordSymbol(c)
            v.duration.quarterLength = 2
            har.insert(t - len(mel) + 2.0 * k, v)
    s.insert(0, top); s.insert(0, har); return s

if __name__ == "__main__":
    ref = build([(A_MEL, A_CH), (B_MEL, B_CH), (A_MEL, A_CH), (C_MEL, C_CH)])
    ref.write("midi", "testpiece.mid")
    print("OK testpiece.mid：", int(ref.duration.quarterLength / 4), "小节，A-B-A-C 四段")

实际输出（不是我算的，是脚本打的）：

OK testpiece.mid： 32 小节，A-B-A-C 四段

顺带把 MusicXML 那步也验了：ref.write('musicxml', 'testpiece.musicxml') 生成 73KB 文件，MuseScore 直接能开，两个声部、拍号、调号俱全。从 MIDI 到“能打出来的谱”，这一步确实没有坑。

代码 2：机器分段，外加终止式线索扫描

分段用了个土办法：把旋律压成“相邻音程”的轮廓向量，8 小节一块、两两比对，重合率 ≥80% 判同一主题。为什么用音程不用绝对音高：主题移调重现时，音程序列不变，绝对音高全变，这正是“形”与“功能”的第一个分岔口，先留个扣子。终止式扫描则按清单 1 的思路：在每个块末尾两个和弦里，找根音下行纯五度的 V→I 对，并记下每块的落点音名。

#!/usr/bin/env python3
"""质检仪第一台：机器分段 + 终止式线索。8 小节一块，比旋律音程轮廓。
check() 封装检测段，供后续脚本复用。"""
from music21 import converter, note, chord

def check(name, sc):
    flat = sc.flatten()
    lead = [x for x in flat.notes if type(x).__name__ == "Note"]
    harm = [x for x in flat.notes if isinstance(x, chord.Chord) and len(x.pitches) > 1]
    BLOCK = 8 * 4   # 一块 = 8 小节 = 32 拍
    nblk = int(max(x.offset for x in lead) / BLOCK) + 1

    def contour(b):  # 旋律轮廓 = 相邻音程序列
        ns = sorted((x for x in lead if b*BLOCK <= x.offset < (b+1)*BLOCK), key=lambda x: x.offset)
        pcs = [n.pitch.midi for n in ns]
        return [pcs[i+1] - pcs[i] for i in range(len(pcs)-1)]

    def sim(v1, v2):  # 两条轮廓的逐点命中率
        return sum(1 for a, b in zip(v1, v2) if a == b) / max(len(v1), len(v2))

    vecs = [contour(b) for b in range(nblk)]
    reps, labels = [], []
    for b in range(nblk):
        hit = next((i for i, r in enumerate(reps) if sim(vecs[b], vecs[r]) >= 0.8), None)
        if hit is None:
            reps.append(b); hit = len(reps) - 1
        labels.append(chr(ord("A") + hit))
    print(f"[{name}] 机器分段：", "-".join(labels))
    lands = []
    for b in range(nblk):
        tail = sorted((x for x in harm if (b+1)*BLOCK-4 <= x.offset < (b+1)*BLOCK), key=lambda x: x.offset)
        v2i = any((y.root().pitchClass - x.root().pitchClass) % 12 == 5
                  for x, y in zip(tail, tail[1:]))
        lands.append(tail[-1].root().name)
        print(f"  块{b+1}（第{b*8+1}-{(b+1)*8}小节）末尾 {'→'.join(x.root().name for x in tail[-2:])}"
              f" {'✓ 有 V-I 收拢' if v2i else '✗ 无终止式'}（落点 {tail[-1].root().name}）")
    if len(lands) >= 3:
        print("主题回归核查：块1 落点", lands[0], "vs 再现块3 落点", lands[2],
              "→", "调性还家 ✓" if lands[0] == lands[2] else "假再现 ✗")

if __name__ == "__main__":
    check("testpiece", converter.parse("testpiece.mid"))

实际输出：

[testpiece] 机器分段： A-B-A-C
  块1（第1-8小节）末尾 G→C ✓ 有 V-I 收拢（落点 C）
  块2（第9-16小节）末尾 D→G ✓ 有 V-I 收拢（落点 G）
  块3（第17-24小节）末尾 G→C ✓ 有 V-I 收拢（落点 C）
  块4（第25-32小节）末尾 D→G ✓ 有 V-I 收拢（落点 G）
主题回归核查：块1 落点 C vs 再现块3 落点 C → 调性还家 ✓

四十行代码，把清单 1 的“形”查完了：分段判对了，每块的终止式铰链都在，再现的落点回了主调。到这里可以乐观三分钟。真 AI 生成曲跑这个脚本，输出通常在哪一环变红，你大概率已经猜到了：没有 V→I 那一行会亮起来。清单里“缺什么”的问题，机器现在答得出。

代码 3：给质检仪出考题，它能看穿假再现吗？

三分钟到了。现在人工制造一个上篇命名的病理：把再现段整体移高纯五度。旋律还在、节奏还在、终止式 V→I 也还在，只是 A 回了 G 大调而不是 C 大调：教材意义上的假再现。质检仪重跑一遍：

#!/usr/bin/env python3
"""质检仪第二台：它能看穿"假再现"吗？
再现段（第 17-24 小节）整体移高纯五度——A 在属调上"回来"。
重跑分段：机器依旧判 A（形没变）；再算音级中心：调性没还家（功能变了）。"""
from collections import Counter
from music21 import note, converter, chord, harmony as m21harm
from code1_build import A_MEL, A_CH, B_MEL, B_CH, C_MEL, C_CH, build

def shift_segment(n):
    """A 段谱整体移 n 个半音：旋律移音名，和弦移 ChordSymbol 对象"""
    mel = [note.Note(p).transpose(n).nameWithOctave for p in A_MEL]
    chs = [m21harm.ChordSymbol(c).transpose(n) for c in A_CH]
    return mel, chs

fake_mel, fake_chs = shift_segment(7)
build([(A_MEL, A_CH), (B_MEL, B_CH), (fake_mel, fake_chs), (C_MEL, C_CH)]) \
    .write("midi", "fake_reprise.mid")

sc = converter.parse("fake_reprise.mid").flatten()
lead = [x for x in sc.notes if type(x).__name__ == "Note"]
harm = [x for x in sc.notes if isinstance(x, chord.Chord) and len(x.pitches) > 1]

def contour(b):
    ns = sorted((x for x in lead if b*32 <= x.offset < (b+1)*32), key=lambda x: x.offset)
    pcs = [n.pitch.midi for n in ns]
    return [pcs[i+1] - pcs[i] for i in range(len(pcs)-1)]

v = [contour(b) for b in range(4)]
s2 = sum(1 for a, b in zip(v[2], v[0]) if a == b) / len(v[0])
s1 = sum(1 for a, b in zip(v[1], v[0]) if a == b) / len(v[0])
print(f"第 17-24 小节 vs 第 1-8 小节 轮廓相似度：{s2:.0%}  ← 机器依旧判：这是 A 的回归")
print(f"（对照：第 9-16 小节 vs 第 1-8 小节：{s1:.0%}，正确判为新材料）")

def center(b):   # 旋律音里 C 大调骨架音 vs G 大调骨架音占比
    ns = [x for x in lead if b*32 <= x.offset < (b+1)*32]
    cnt = Counter(n.pitch.pitchClass for n in ns); tot = sum(cnt.values())
    return sum(cnt[p] for p in (0,4,7))/tot, sum(cnt[p] for p in (7,11,2))/tot

for b, lab in [(0, "主题A  "), (2, "假再现")]:
    c, g = center(b)
    print(f"{lab}：C 系 {c:.0%} vs G 系 {g:.0%} → 重心在 {'C 大调' if c >= g else 'G 大调'}")
tail = sorted((x for x in harm if 92 <= x.offset < 96), key=lambda x: x.offset)
print("假再现块末和声：", "→".join(x.root().name for x in tail[-2:]), "（终止形在，落点却是 G：调性没还家）")

实际输出：

第 17-24 小节 vs 第 1-8 小节 轮廓相似度：100%  ← 机器依旧判：这是 A 的回归
（对照：第 9-16 小节 vs 第 1-8 小节：26%，正确判为新材料）
主题A  ：C 系 62% vs G 系 50% → 重心在 C 大调
假再现：C 系 25% vs G 系 62% → 重心在 G 大调
假再现块末和声： D→G （终止形在，落点却是 G：调性没还家）

考题判卷：分段仪满分漏判。音程轮廓相似度 100%，它高高兴兴盖章“这是 A 的回归”，因为它测的是形。调性这个功能维度，靠我临时手写的音级中心统计才暴露出来（C 系占比从 62% 掉到 25%，重心整个搬去 G 大调），再配块末和声的落点核对，两样一起才算“功能判定”。注意这两个统计的语义都是我人肉指定的：“骨架音占比”为什么能代理“调性中心”，是教材理论替我背的书，代码本身不知道。

诚实说局限。music21 自带和声分析模块（harmony 那一套，含键盘化简、和弦性质推断），但拿它去自动判定真实多声部织体里的终止式功能，噪声大到我不敢把它的输出当验收结论，所以本实验只用了我自己写的四十分之一复杂度版本。机器分段易，机器判功能难，上篇那句“AI 会分段不会分析”，从编辑工具这个角度再看一遍，成立得一模一样：分段是几何题，功能判定是法律题，现在的代码只会做几何。

三首“病症曲”过一遍质检仪

标题说的“拆完 3 首”，这里要交代清楚样本从哪来：我没有直接晒某家平台的导出文件（那是账号产物，读者拿不到），而是用代码 1 同一个生成器造了三首具备 AI 生成曲典型症状的 MIDI，把整条流水线的检测段在它们身上跑了一遍。三种症状就是流水线上最常撞的三堵墙：句尾不收口、中段假对比、再现不还家。症状是人工注入的，但检测脚本对真实导出 MIDI 一视同仁：换成你的 .mid，结果同样成立。

#!/usr/bin/env python3
"""三首"病症"测试曲过质检仪：每首都用 code1 的 build 造，跑 code2 的 check。
病症A：句尾不收口（终止式缺失）；病症B：中段同素材移调复读（假对比）；
病症C：再现落属调（假再现）。"""
from music21 import converter, note, harmony as m21harm
from code1_build import A_MEL, A_CH, B_MEL, B_CH, C_MEL, C_CH, build
from code2_inspect import check

# 病症 A：主题每句末尾的 V 级换成 IV，永远"话说一半"
A_NOCAD = ["C","G","Am","F","C","F","G","F"] * 2
build([(A_MEL, A_NOCAD), (B_MEL, B_CH), (A_MEL, A_NOCAD), (C_MEL, C_CH)]) \
    .write("midi", "sick_nocadence.mid")
check("病症A 句尾不收口", converter.parse("sick_nocadence.mid"))

# 病症 B：中段就是 A 素材整体抬高两度复读（假对比）
rep_mel = [note.Note(p).transpose(2).nameWithOctave for p in A_MEL]
rep_chs = [m21harm.ChordSymbol(c).transpose(2) for c in A_CH]
build([(A_MEL, A_CH), (rep_mel, rep_chs), (A_MEL, A_CH), (C_MEL, C_CH)]) \
    .write("midi", "sick_fakediff.mid")
check("病症B 中段假对比", converter.parse("sick_fakediff.mid"))

# 病症 C：假再现（code3 生成的那首）
check("病症C 假再现", converter.parse("fake_reprise.mid"))

实际输出（三张化验单，一次跑完）：

[病症A 句尾不收口] 机器分段： A-B-A-C
  块1（第1-8小节）末尾 G→F ✗ 无终止式（落点 F）
  块2（第9-16小节）末尾 D→G ✓ 有 V-I 收拢（落点 G）
  块3（第17-24小节）末尾 G→F ✗ 无终止式（落点 F）
  块4（第25-32小节）末尾 D→G ✓ 有 V-I 收拢（落点 G）
主题回归核查：块1 落点 F vs 再现块3 落点 F → 调性还家 ✓
[病症B 中段假对比] 机器分段： A-A-A-B
  块1（第1-8小节）末尾 G→C ✓ 有 V-I 收拢（落点 C）
  块2（第9-16小节）末尾 A→D ✓ 有 V-I 收拢（落点 D）
  块3（第17-24小节）末尾 G→C ✓ 有 V-I 收拢（落点 C）
  块4（第25-32小节）末尾 D→G ✓ 有 V-I 收拢（落点 G）
主题回归核查：块1 落点 C vs 再现块3 落点 C → 调性还家 ✓
[病症C 假再现] 机器分段： A-B-A-C
  块1（第1-8小节）末尾 G→C ✓ 有 V-I 收拢（落点 C）
  块2（第9-16小节）末尾 D→G ✓ 有 V-I 收拢（落点 G）
  块3（第17-24小节）末尾 D→G ✓ 有 V-I 收拢（落点 G）
  块4（第25-32小节）末尾 D→G ✓ 有 V-I 收拢（落点 G）
主题回归核查：块1 落点 C vs 再现块3 落点 G → 假再现 ✗

三种病，三张不同的“化验单”，而且每张都能被清单精确接住：病症 A，段形完好、终止式两红两绿，编辑动作是清单 1，把两处句尾 IV 换回 V→I 落主，改动只有两个和弦；病症 B 最有意思，分段器亲口把“对比段”归了 A 家族（输出 A-A-A-B），教材说的“同素材原地复读”被机器原形毕露地打出来，编辑动作是清单 3 重做中段，改完 B 才独立成段；病症 C 则是“分段全绿、回归核查爆红”，形对功能错，编辑动作是让再现还家。三个案例还顺带展示了质检脚本的分工：机器分段行管清单 2、3（材料与层级），主题回归核查行管清单 1 的调性维度。

质检工具能替你复核判断，不能替你产生判断：那些 ✓ 和 ✗ 都是线索，把线索翻译成“该动哪个音”的，还是那份一百年前的清单。

※ ※ ※

🧭 第四部分：这条流水线现在值不值得上

场景不同，答案不同。以下判断是我的主观结论，都按“我认为”读：

值得马上搭的三类活。 给乐队或琴童出排练谱：AI 出动机和整体编配，流水线出分谱，MuseScore 排完直接打印，总耗时一个下午，这在两年前得有人手抄。教学示范曲：上面三个脚本就是活例子，学生亲眼看见“假再现”为什么是病，比听十遍“感觉不对”管用。短视频配乐改调改时长：一旦拿到 MIDI，移调、伸缩段落、换配器全是分钟级操作，这是音频永远给不了的自由度。

别指望的一类活。 一键“AI 生成 → 出版级总谱”。差的不是排版软件，是第二部分清单里那批东西：奏法细节要人补，终止式要人核，变奏层级要人拍板，展开逻辑要人重写。流水线把你从“音频”带到“毛坯谱”，从毛坯到作品之间那一段，目前只有编辑的手艺能过。指望机器顺手做完，等于把质检外包给被检品。

行业动向用一句话收尾：Suno 往 DAW 和 MIDI 方向走、MuseScore 官方上 Audio-to-Score，两件事方向一致，“可编辑”正在从极客 workaround 变成产品卖点，结构控制权在交回人手里。专业打谱这一侧，Sibelius 有 AI 辅助和弦标记建议（2023.6 起官方功能）和 NotePerformer 的演奏法渲染，但“AI 自动曲式分析并回改乐谱”级别的官方功能，我查了 Sibelius、MuseScore、Dorico 的发布说明都没查到，按“尚未出现”理解就好。生成侧管“像”，编辑侧管“是”，中间的桥目前还得人自己搭。

※ ※ ※

🎼 结尾：那本教材多了一个用途

高为杰那本书的第一章，训练动作是“听辨整曲结构”：放一遍录音，画出段落，标终止式，写出曲式图。这门手艺练了四十年人耳。

现在它多了一个用途：AI 音乐的验收说明书。 生成模型负责“像”，编辑流水线负责“是”，而“像”与“是”之间的差距，教材用终止式、功能呼应、调性布局这些可复核的证据量得清清楚楚。流水线六步，前五步是工具链，第六步是判断力；工具链会不断变便宜，判断力暂时还是人的。

我留三个脚本在本地，每次拿到新的 AI 导出 MIDI 就先跑一遍。机器给我的那些 ✓ 和 ✗ 不能替我做任何决定，但它们把“我觉得哪里不对”翻译成了“第 17-24 小节没还家”这种能上手改的话。对编辑来说，这可能就是这门学科在 AI 时代最实际的样子。

下一篇预告：这个月开源模型扎堆上新，你为什么一个都没用起来？

※ ※ ※

※ ※ ※

资料来源

• ▪ Suno Studio 2.0 功能与发布信息：Suno 官方 Release Notes 与 Studio 页面（2026-08-13 发布，2026-09-02 补丁），含 MIDI 钢琴卷帘、audio-to-MIDI 转录、MIDI-as-prompt、Advanced Stem Separation、无限 32-bit/48 kHz 分轨导出。查证日期 2026-09-24。
• ▪ Udio 下载冻结：Udio 帮助中心及多家 2026 年 7-8 月复核（2025-10-29 起关闭音频/分轨/视频导出）。查证日期 2026-09-24。
• ▪ Basic Pitch：github.com/spotify/basic-pitch（Apache-2.0）；论文 “A Lightweight Instrument-Agnostic Model for Polyphonic Note Transcription and Multipitch Estimation”（ICASSP 2022）。查证日期 2026-09-24。
• ▪ MT3：arXiv:2111.03017（Google Magenta）；社区推理包 github.com/openmirlab/mt3-infer（性能数字为该仓库 RTX 4090 标称）。查证日期 2026-09-24。
• ▪ MuseScore：4.x 官方手册（MusicXML 4.0、MIDI import）；Muse Group 官方新闻稿 “Hear It, Play It”（2026-08-17，Audio-to-Score beta，独奏钢琴/民谣吉他）。查证日期 2026-09-24。
• ▪ Sibelius 版本线与功能：Avid “What's New in Sibelius” 页（2026.5 VST3、2026.6、2026.8；2023.6 AI 和弦标记建议）。Finale 停止维护：MakeMusic 公告（Production Expert 等媒体报道确认）。查证日期 2026-09-24。
• ▪ Ableton Live：官方手册第 13 章（Converting Audio to MIDI）、Live 12 功能对比表（Audio to MIDI 为 Suite 档，Stem Separation 自 12.3）。Demucs：github.com/facebookresearch/demucs（Meta，htdemucs 四轨）。查证日期 2026-09-24。
• ▪ 曲式理论：高为杰、陈丹布编著，《曲式分析基础教程》（第三版），高等教育出版社。乐段与终止式、装饰变奏与性格变奏、对比并置、再现的调性判定等表述依据该教材框架，未引具体页码。
• ▪ 本文三个代码脚本与全部输出为作者本机实跑（Python 3.11 + music21 10.5.0，临时虚拟环境）；测试 MIDI 为合成素材；文中示例主机均为文档保留地址，非作者真实环境。