Convertidor de audio a MIDI

Qué hace el audio a MIDI

El audio es una grabación de lo que hizo un sonido. El MIDI es la instrucción para tocarlo: qué nota, cuándo empieza, cuánto dura y con qué fuerza se tocó. Un convertidor de audio a MIDI escucha una grabación y escribe de vuelta esas instrucciones. Después tocas las mismas notas con cualquier instrumento de tu DAW, corriges una equivocada, cambias la tonalidad o las imprimes como partitura.

La conversión de esta herramienta es polifónica, lo que significa que puede encontrar varias notas en el mismo momento. Eso importa en un piano, una guitarra con acordes o un sintetizador con capas. También funciona con una línea sola, como una voz, un bajo o un saxofón.

Puedes usarla como convertidor de MP3 a MIDI, de WAV a MIDI, de voz a MIDI o de tarareo a MIDI. El tipo de archivo no cambia el método: el audio se decodifica en tu navegador y el mismo modelo lo escucha.

Cómo funciona este convertidor

El modelo es Basic Pitch, un modelo de código abierto del equipo de investigación de Spotify, publicado en ICASSP 2022 con licencia Apache 2.0. Es pequeño, de unos 0,2 MB. Tu archivo se mezcla primero a mono y se remuestrea a 22.050 Hz. Después se corta en ventanas de dos segundos que se solapan un poco, y el modelo lee cada ventana.

Para cada porción de tiempo (unas 86 por segundo) da tres respuestas para las 88 notas de un piano: qué notas están sonando, dónde empieza una nota y la curva exacta de altura. Un segundo paso, que portamos del código publicado por Spotify, convierte esas respuestas en notas. Busca inicios por encima de un umbral, sigue cada uno hasta que el sonido se apaga, descarta las notas demasiado cortas y vuelve a buscar notas largas que no tenían un inicio claro. La curva de altura da los pitch bends opcionales.

Todo ocurre en un worker en tu navegador, con ONNX Runtime Web. La página conserva las matrices del modelo, así que cuando mueves un control deslizante las notas se vuelven a decodificar al instante y el modelo no se ejecuta una segunda vez. Tu grabación nunca se envía a ningún sitio.

Consigue un MIDI más limpio a partir de tu grabación

Los mejores resultados vienen de un instrumento cada vez, tocado con claridad y sin mucha reverb: una toma de piano, una línea de voz, un riff de guitarra, un bajo. El ruido, el eco y los efectos que difuminan una nota hacen que el modelo esté menos seguro. Si tu grabación tiene mucho sonido de sala, una toma seca casi siempre da mejores notas.

Una canción completa con batería, bajo, acordes y voz es el caso más difícil. El modelo no se entrenó para distinguir instrumentos, así que obtienes un único conjunto de notas mezcladas, y la batería añade notas sueltas. Separa antes la canción en stems y convierte la parte que quieras. Nuestro separador de pistas también lo hace en el navegador.

Si faltan notas, sube la sensibilidad o baja la nota más corta. Si ves demasiadas notas pequeñas, haz lo contrario, o estrecha el rango de alturas al instrumento que grabaste. Para una voz sola o una melodía principal, activa una nota a la vez: gana la nota más fuerte cuando dos se solapan, y eso elimina la mayoría de las notas sueltas.

Los ajustes, en palabras sencillas

La sensibilidad fija lo seguro que debe estar el modelo antes de escribir una nota. Más alta da más notas, incluidas algunas que no existen. Más baja conserva solo las claras. El punto medio es el valor por defecto del propio Spotify.

La nota más corta descarta las notas que duran menos que estos milisegundos. Subirla limpia una voz temblorosa. Bajarla conserva los pasajes rápidos. El rango de alturas apaga todo lo que queda por encima y por debajo de las notas que eliges, que es la forma más rápida de evitar que una línea de bajo produzca notas agudas sueltas.

Una nota a la vez conserva solo la nota más fuerte en cada momento, para voz, bajo y melodías principales. Los pitch bends añaden los pequeños deslizamientos de altura, de hasta dos semitonos, como mensajes MIDI de pitch bend, para que sobreviva un glissando cantado o un bend de guitarra. Los bends solo se escriben para notas que no se solapan con otra, porque un canal MIDI tiene un solo bend a la vez.

Los cuatro puntos de partida, piano, voz o tarareo, guitarra y bajo, son ajustes que elegimos de oído. No son magia. Elige el más cercano y ajusta después con tus propios oídos.

Qué hace la gente con el MIDI

Los productores lo usan para samplear ideas sin samplear sonido. Tararea una línea de bajo en tu teléfono, conviértela y dásela a un sintetizador. Graba una idea de piano, obtén las notas y vuelve a interpretarlas con otro instrumento. Saca la melodía de un tema de referencia y cámbiala lo suficiente para hacerla tuya.

Los DJs y remixers lo usan para encontrar las notas de un gancho o de una línea de bajo y así escribir una parte nueva en la misma tonalidad, y comprueban después el tempo y la tonalidad con nuestras otras herramientas. Los cantantes y compositores convierten una nota de voz en notas para enviarlas a un productor o para ver qué notas cantaron en realidad.

Profesores y alumnos usan el piano roll para ver una melodía que oyen, practicar de oído y comprobarse. Los arreglistas pueden convertir una parte, limpiarla en el DAW e imprimirla desde ahí.

Qué hay dentro del archivo MIDI

Obtienes un archivo MIDI estándar, formato 1, con una pista de tempo y una parte que contiene todas las notas. La velocity sale de lo fuerte que sonó cada nota. Si activas los pitch bends, la curva de bend se escribe con un margen de más o menos dos semitonos, que es el rango por defecto de la mayoría de los instrumentos.

Las notas se colocan en tiempo real, así que coinciden con tu grabación original. El archivo lleva también un tempo para que la cuadrícula de tu DAW tenga algo que mostrar. Lo estimamos a partir del audio y lo mostramos en una casilla que puedes sobrescribir. Si la estimación es la mitad o el doble del tempo real, las notas siguen sonando en el momento correcto, solo cambia cómo se dibujan los compases. Arrastra el archivo a Ableton Live, Logic, FL Studio, Cubase, Reaper, GarageBand o cualquier otro DAW.

Lo que no puede hacer

Preferimos decírtelo a que lo descubras. No transcribe batería. No nombra acordes ni escribe una partitura. No separa instrumentos de una mezcla. En una canción completa y densa se le escaparán notas y añadirá otras equivocadas. Las notas muy graves y muy agudas son menos fiables, y los pasajes rápidos y suaves se difuminan entre sí.

Lee hasta 10 minutos de audio cada vez, un archivo a la vez. Esto es una beta: cuéntanos en info@obra.art lo que hace mal y lo revisaremos.