---
title: Dettato：多乐器音频转 MIDI，每个乐器一个音轨，再加一个鼓组音轨
date: 2026-11-21T06:24:51Z
modified: 2026-11-21T06:42:49Z
permalink: "https://www.appinn.com/dettato/"
type: post
status: publish
excerpt: ""
categories:
  - 媒体工具
  - AI
tags:
  - 媒体工具
  - AI
  - MIDI
  - 本地大模型
  - 音频
featured_image: "https://www.appinn.com/wp-content/uploads/2026/11/MP3转MIDI多轨工作流.jpg"
author: 青小蛙
timestamp: 2026-11-21T06:42:49Z
---

**Dettato** 是 KobiMusic 开源的**音乐转录模型**，可以在自己的电脑（CPU、GPU）上运行。你只需输入一段音频，它就能生成一个 MIDI 文件，每个乐器对应一个音轨，外加一个鼓组音轨。@[Appinn](https://www.appinn.com/dettato.md)

![](https://www.appinn.com/wp-content/uploads/2026/11/MP3转MIDI多轨工作流.jpg)

## 将 MP3/WAV 转换为 MIDI

MP3 和 WAV 里存的是录下来的声音。MIDI 更像一份演奏指令，记着哪个音在什么时候响、响多久、弹多重。

电脑读到这些指令，再用你选的乐器音源把它演奏出来。

![上方是音频波形，下方是相同时间轴上的 MIDI 钢琴卷帘，蓝色音符为旋律、紫色为低音](https://www.appinn.com/wp-content/uploads/2026/11/dettato-waveform-midi.avif)

上图中，上半部分是音频文件的波形图，也是普通音频编辑软件中看到的。下半部分是 MIDI 钢琴卷帘。方块越高，音越高。方块从哪里开始、拉多长，对应音符什么时候响、响多久。蓝色是旋律，紫色是低音。

比如你想学弹开头那几秒，就在钢琴卷帘上看音高和顺序，放慢播放，跟着原曲核对。觉得其中一个音太高，把对应的方块往下拖就行。往左拖可以让它早点响，拉长右边缘可以让它多响一会儿。

## Dettato 工作原理

![](https://www.appinn.com/wp-content/uploads/2026/11/download.avif)

## 如何使用？

安装比较简单，一行就行了，可以交给 AI 处理。

运行也是：


pip install git+https://github.com/kobimusic/dettato
dettato song.mp3 -o out/


第一次运行会从 Hugging Face 下载模型。转换后，`out` 文件夹里会有 `song.mid` 和记录轨道、音符数量等信息的 `song.json`。遇到读不了的 MP3，可以装 FFmpeg 再试。

## 四种模型

模型文件的尺寸都不大，几十MB 级别：



| 模型 | 参数 | 它的作用 |  |
| --- | --- | --- | --- |
| 1 | [kobimusic/dettato](https://huggingface.co/kobimusic/dettato) | 15.3M | 音频注释：88个调的起始、结束和音高，每个调有两个声部 |
| 2 | [kobimusic/dettato-evidence](https://huggingface.co/kobimusic/dettato-evidence) | 4.9M | 利用转录者自身的证据修正笔记：删掉错误的音符，修正起音和结尾，添加遗漏的音符 |
| 3 | [kobimusic/dettato-grouper](https://huggingface.co/kobimusic/dettato-grouper) | 290万 | 将每个音符放入乐器轨道并命名乐器 |
| 4 | [kobimusic/dettato-drums](https://huggingface.co/kobimusic/dettato-drums) | 5.0M | General MIDI鼓键上的鼓击声、鼓组和管弦打击乐器 |

## 什么电脑能跑 Dettato？

Dettato 需要 **Python 3.10 或更新版本和 PyTorch 2.2 或更新版本**。普通 Windows 或 Linux 电脑用 CPU 就能跑。开发者用笔记本的 CPU 转录 15 秒音频，花了 87 秒，包含模型加载时间。

作为对比，用 RTX 5060（8 GB 显存）转录一首 4 分钟的歌，约用 15 秒，显存峰值低于 4 GB。

M 系列 Mac 可以装 PyTorch，用 `dettato song.mp3 -o out/ --device cpu` 指定 CPU 运行。Mac 上实际要跑多久，要看电脑和录音长度。

## 获取

- [官网](https://kobi.music/research/dettato)
- [GitHub](https://github.com/kobimusic/dettato)

音乐爱好者们，快去试试吧，硬件门槛极低的大模型了。

---

原文：[https://www.appinn.com/dettato/](https://www.appinn.com/dettato.md)

## Topics

**分类目录:** [媒体工具](https://www.appinn.com/category/pic/?output_format=md), [AI](https://www.appinn.com/category/ai/?output_format=md)

**标签:** [MIDI](https://www.appinn.com/tag/midi/?output_format=md), [本地大模型](https://www.appinn.com/tag/%e6%9c%ac%e5%9c%b0%e5%a4%a7%e6%a8%a1%e5%9e%8b/?output_format=md), [音频](https://www.appinn.com/tag/%e9%9f%b3%e9%a2%91/?output_format=md)