多音軌MIDI音樂主旋律提取方法探析

摘? 要：MIDI技術具有靈活的演奏形式與超強的編輯能力，自20世紀80年代誕生以來，計算機音樂因為有了這個統一的接入標準以及在音樂制作上的便利性而得到了極大的發展。MIDI的主要特點在于其是一種數字文件，而非音頻文件，是一種描述性的數據“音樂語言”，僅僅是記錄了演奏樂曲的信息，因而占用的存儲空間極小且便于編輯、修改。MIDI音樂主旋的提取除了在技術上的實踐應用，更重要的是有利于音樂數據庫的構建，對于多音軌MIDI音樂主旋律提取方法的探析有著一定的實踐意義。

關鍵詞：多音軌? MIDI技術? 主旋律提取? 數字文件

中圖分類號：TP391.42 文獻標識碼：A 文章編號：1674-098X（2021）07（a）-0072-03

On the Method of Extracting the Main Melody of

Multi Track MIDI Music

XIE Linling

（Jinggangshan University， Ji'an， Jiangxi Province， 343009? China）

Abstract： MIDI technology has flexible performance forms and super editing ability. Since its birth in the 1980s， computer music has been greatly developed because of this unified access standard and the convenience in music production. The main feature of MIDI is that it is a digital file， not an audio file. It is a descriptive data "music language"， which only records the information of playing music， so it occupies very little storage space and is easy to edit and modify. In addition to the practical application in technology， the extraction of MIDI music theme is more important for the construction of music database. It has a certain practical significance for the analysis of multi track MIDI music theme extraction methods.

Key Words： Multi track; MIDI technology; Theme melody extraction; Digital file

MIDI音樂的出現，激發了電子音樂最為強大的潛能，浩瀚、豐富的音色資源與計算機的超級編輯功能結合在一起，可以任意剪輯拼貼、更換樂器、調整速度、音調，極大地提升了音樂創作、制作、剪輯的工作效率。帶動了計算機音樂制作技術的進步，降低了專業音樂制作的門檻，促進了個人音樂工作室的誕生。隨著科技的發展，個人計算機以及相關的MIDI設施的購買成本越來越低，因此，只要有想法，有能力，加上可以獲得的相關軟、硬件設施就能實現自己的音樂夢想。MIDI技術有著比其他任何傳統樂器都更為豐富的演奏手段和難以想象的編輯能力。MIDI技術的發展，讓音樂制作得到了普及，造福了一大批“網絡音樂人”與“自由音樂人”。在MIDI研究過程中，對MIDI音樂的特點以及發展過程，讓多音軌MIDI的各個軌道各自工作起來，從多音軌中提取主旋律進而構建數據庫的方法等都是值得探討與分析的。

1? MIDI音樂的特點及其發展

MIDI的主要特點在于其是一種數字文件，而非音頻文件，是一種描述性的數據“音樂語言”，僅僅是記錄了演奏樂曲的信息，因而占用的存儲空間極小且便于編輯、修改[1]。正因MIDI的這一特點，使其得到了飛速的發展與普及。對于國人而言，早期從事計算機音樂的人幾乎都是從MIDI開始的，MIDI甚至是計算機音樂的代名詞。MIDI到底是什么？簡而言之，MIDI（Musical Instrument Digital Interface）即音樂數字設備接口，是一種數字化通信語言，一種使相關設備之間相互兼容并實現技術交流的技術標準。通過MIDI技術，音樂家可以像指揮家一樣對自己作品的聲音進行全面的控制和實時操控，無論是在制作室還是演出現場，MIDI技術都可以改變電子樂器、錄音設備以及信號處理器等設備的參數，可以根據需求進行實時的操控，以呈現出最好的聲音效果。

20世紀80年代，電子科技的發展與計算機數字化技術的采用，推動了電子樂器的大發展，但是不同生產廠家之間的設備要進行同步是一件非常困難的事，因為每個廠家所生產設備的標準不一。為了解決設備之間的相互兼容性，MIDI標準被提上日程。1982年，國際樂器制造商協會通過了大衛·史密斯提出的“通用合成器接口”的方案，命名為“音樂設備數字接口”，即“MIDI”接口，1983年，MIDI協議1.0正式確定。從此，所有電子樂器背后都有了一個五孔MIDI插座，為樂器之間的相互兼容架起了一座橋梁，不同的樂器之間有了統一的連接規范，可以使用統一的“音樂語言”。自20世紀80年代MIDI誕生以來，計算機音樂因其有了統一的接入標準以及在音樂制作上的便利性而得到了巨大的發展，同時也為音樂界帶來了一場重大的革命[2]。近年來，MIDI技術的重大變化在于采樣音源的介入，采樣音源是對傳統樂器以及現實音效進行采錄后而制作編輯的，其最大的特點在于其具有更加真實的效果和越來越大的容量。比如當下使用最為廣泛的Kontakt采樣器及所支持的音源，就Kontakt自帶的原廠音源就有23GB，支持其格式的愛麗絲鋼琴就占用了6GB（只是一種單獨的純鋼琴音色）。另外，大眾所熟知的好萊塢管弦樂，僅弦樂部分就有326GB，還有BFD鼓音源已經超過了100GB，足見當下采樣音色所占用的存儲容量，這也表明了在音樂制作領域無論是軟件還是硬件都在飛速的發展。早期的MIDI音樂制作都是建立在GM音色表基礎上的，雖然音色相對當下的采樣音色差一點，但是其優勢在于在任何音序軟件中打開同一個MIDI文件都可以正常播放而基本不會出現亂碼的情況。而隨著音序軟件及音源的不斷發展，音序軟件開始支持VST、DX、AU等多種格式，同時眾多的音序軟件生成的文件已然不是單純的MIDI文件，而是有著自己的“工程文件”擴展名。如Cubase就以“cpr”作為擴展名，SONAR則是“cwp”為擴展名等。這些發展變遷都表明著當下的音序軟件、MIDI音樂技術都朝著個性化和豐富性的方向延展，體現了MIDI音樂制作技術的實質性變化，使其逐步走向音源容量更大，效果更加精致，可調控性更強以及更加智能化。當下，幾乎所有的音樂類型都脫離不了計算機音樂的相關技術，隨著科技的不斷發展，計算機音樂也在飛速的普及[3]。在今天，電子音樂已成為一種廣為人知的藝術形式，并在高校中建立起了相對完整的學科體系[4]。音樂行業已然與MIDI技術不可分離，MIDI音樂主旋律的提取不僅在于技術上的應用，同時對于音樂數據庫的構建有著極為重要的意義。

2? 多音軌MIDI音樂主旋律的提取方法

隨著AI技術的不斷變化更新，音樂創作的形式化技術也在其中得到了進一步的發展[5]。MIDI是音樂設備的數字接口，其電纜本身不帶有音頻數據信息，通過計算機向其他合成器等電子設備發出的MIDI信息是一些表演數據，以這種手段方式向其他樂器發出指令，進而控制其他操作系統。MIDI信息有許多不同的類型，大的方面來說，其包括了通道信息和系統信息。通道信息一般應用在MIDI的具體通道之中，而系統信息指的是整個系統的信息。當MIDI軌被編碼為一個單獨的統一體，這個統一體包括音樂音符和其他與演奏相關的事件信息。軌道內所包含的信息是可以通過創造性的方式分離出來，成為一個獨立的音軌，用于諸如轉調、重新分配樂器、數據庫構建等。在當下的研究與實踐應用中，MIDI主旋律的提取主要采用分層聚類算法、音軌特征量的方法。

2.1 分層聚類算法的多音軌MIDI音樂主旋律提取方法

隨著計算機科學和音樂科技的發展，算法在計算機作曲領域已有廣泛的研究和應用[6]。選擇所有包含旋律音軌的方法來提取主旋律，被稱為分層聚類算法。分層聚類算法是基于音軌之間的距離而建立起來的一個音軌的聚集。此方法可以從保存基本信息（音高信息和距離特征）的MIDI軌道中獲得一個可選擇的最佳音軌，進而從這個最佳音軌中提取主旋律。為了在提取主旋律時這一算法得以實現，需要經過以下6個步驟。第一，是對所要提取音樂中的所有音軌進行輪廓算法，而所謂的輪廓算法主要是應用在復調音樂中提取主旋律的一種方法，復調音樂是一種多旋律的音樂類型，一般來說，多條旋律都是主旋律，同等重要。因而，所謂的提取主旋律只是將所有音符聚集到一個音軌上，最好選擇最高音的音符，得出具有一定特征的音高柱狀圖的音符集合。第二，是計算出每一音軌的平均信息，在這些平均信息中，得出最為突出的音符集，將其視為主旋律。第三，是將每一個音符分成十二平均律，以十二平均律的形式來描述每一個音符，進而計算出音高的柱狀圖。第四，是以音程的構建形成音符的聚集，實現音符的集合。音程是旋律運動的基本動力，通過音與音之間形成不同的距離（即音程度數），最終實現變幻莫測，豐富多彩的旋律組合。因而要提取旋律就需要對音程進行計算與分析，最終獲得主旋律。第五，在以上四步完成后，基本得出旋律音軌，此時選擇所獲得的旋律音軌，然后再去除其余的聚集音軌。第六，再次運用輪廓算法對旋律音軌進行計算，獲得最高的音高線條，得出音樂的主旋律。

分層聚類算法是應用數學模型來計算聚集的旋律音軌之間的距離，在提取MIDI主旋律時關照到了不同樂器軌以及弱音高的音軌，極大地減少了主旋律提取時的誤差，所提取的主旋律更為精細與準確。

2.2 音軌特征量的多音軌MIDI音樂主旋律提取方法

音樂制作者在運用MIDI創作音樂時，一般都會給每一個MIDI軌道命名，雖然并沒有說一定要給MIDI軌道命名，但是通常為了便于修改與操作，基本都會給予MIDI軌道名稱。名稱明確就為主旋律的抽取提供了巨大的參考信息，同時也可以作為旋律音軌的特征向量來予以使用。一般的主旋律的音軌名稱可能是Melodies（旋律）、Vocal（人聲）、Solo（獨奏）等。而其他的伴奏聲部則有可能是吉他（Guitar）、貝斯（Bass）、Piano（鋼琴）等。當然，也有名稱模糊的時候，當音軌名稱模糊時，也可以通過MIDI的通道號、左右聲道的平衡度、MIDI音符的平均力度、音軌主音量的大小以及MIDI音符的發音時間、發音面積來推算主旋律音軌。

無論是MIDI設備還是設備中的某個音源或者程序，只要被設定為響應某一樂器音色或者人聲的通道號，即會響應這一通道上所傳輸的信息，比如人聲、鋼琴或者小提琴等。但是在16通道的MIDI音軌中，一般情況第10通道都是留給打擊樂器的，所以根據這一固有特征，在進行主旋律軌選擇時就可以排除第10通道。

一般來說，所有的MIDI軌道都會作一個聲像的平衡調節，以達到人耳在聆聽音樂時的舒適度。對于主旋律音軌來說，通常情況下都會處于左右平衡的狀態，即處于中間的位置。而其他樂器軌道在左右聲像上多少都會有所偏差。這也可以作為一個特征向量來參考。除此之外，作為主旋律的MIDI軌中的音符的平均力度一般來說都會高于其他聲部。為了突出主旋律的明確性，其主音量也會大于其他音軌的音量值。另外，主旋律的發音時間及發音面積（音長和音高）相比其他聲部都會更容易被人們感知。

在抓取與確定主旋律音軌的過程中，通過合理分析與選取各音軌的向量特征，建立分析模型，結合特征向量確定主旋律音軌。

3? 結語

縱觀電子音樂的發展歷程，無論是合成技術還是后來的采樣技術，其最終的目的無非是朝著兩個方向發展，一方面是更為準確地再現自然聲學的音響效果，即與MIDI技術緊密相連的部分，借助數字編輯的靈活度與強大功能，不斷拓展音色范疇與真實性，可以模仿任何一件傳統樂器的聲音，如小提琴等。另一方面則是開拓新的“聲音”，更為強調聲音的新穎性與實驗性。MIDI已經在音樂制作的各個領域內進行應用，MIDI技術在其靈活度與自由的編輯能力上高于任何傳統樂器。在不斷的發展中，MIDI技術越來越豐富，越來越體現出了自己的東西，逐漸走上了一條漸進式的創作之路。多音軌MIDI音樂主旋律的提取，對于在音樂數據庫的構建上具有極大的意義，因此，對于其提取方法的探討也有著一定的實踐價值。

參考文獻

[1] 黃枕宇.西方電子與計算機音樂史——電子、數據科技影響下的西方音樂[M].北京：中央音樂學院出版社，2020.

[2] 謝林玲，李文韞.虛擬樂器人性化演奏效果的可實現性[J].科技資訊，2021（1）：29-31.

[3] 梁威.基于Kontakt采樣器中虛擬樂器人性化效果的實現[J].科技創新導報，2020（29）：87-90.

[4] 趙曉雨.藝術理念與技術創新驅動下的中國電子音樂發展[J].中央音樂學院學報，2019（4）：83-90，114.

[5] 馬丹，吳躍.基于生成對抗網絡的智能音樂綜述[J].計算機應用研究，2021，38（3）：641-646.

[6] 景宇陽.基于樂譜識別的深度學習算法作曲系統[D].南京：南京藝術學院，2020.