# Mirelo 發布了 MuScriptor 模型，讓使用者能將音訊轉換為多軌 MIDI

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Mirelo (@MireloAI) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-07-11

> 原始來源：https://x.com/MireloAI/status/2075536492177354771

## 證據與延伸閱讀

- [marktechpost.com](https://www.marktechpost.com/2026/07/10/kyutai-releases-muscriptor-an-open-weight-decoder-only-transformer-for-multi-instrument-music-transcription-to-midi/)
- [mirelo.ai](https://www.mirelo.ai/blog/turning-audio-to-midi)
- [arxiv.org/pdf/2607.08168](https://arxiv.org/pdf/2607.08168)
- [kyutai.org](https://kyutai.org/)
- [github.com/kyutai-labs/delayed-streams-modeling](https://github.com/kyutai-labs/delayed-streams-modeling)

## 中文摘要

Mirelo 發布了 MuScriptor 模型，讓使用者能將音訊轉換為多軌 MIDI。

**核心功能與技術突破**
Mirelo 這款模型要解的是音樂轉錄（Music Transcription）領域的長期難題。與現有大多數僅能處理單一音軌（如單獨人聲或鋼琴）的工具不同，該模型具備以下關鍵能力：
- **完整混音處理**：無需分離音軌（stems），直接輸入 WAV 或 MP3 檔案即可識別並分離出人聲、鼓組、貝斯、鍵盤等多種樂器。
- **音樂情境分析**：除了產生 MIDI 軌道，系統還能檢測和弦、調性與節奏（tempo），為音樂製作人提供完整的和聲資訊。
- **多視圖呈現**：使用者可在 Mirelo Studio 介面中透過鋼琴捲簾（Piano roll）檢視轉錄結果，並可針對每個檢測到的部分進行審閱，在匯出前調整音符。

**訓練架構與方法**
該模型將音樂轉錄視為一種語言建模任務，將音訊轉換為一維的離散 token 序列。為了克服多樂器轉錄中標註資料稀缺的瓶頸，研究團隊採用了三階段訓練策略：
1. **DSynth（預訓練）**：利用約 145 萬個 MIDI 檔案進行即時合成，建立大規模合成資料集，涵蓋多種樂器、調性、節奏與調音。
2. **DReal（微調）**：結合包含 17 萬個真實音樂錄音（總計超過 11,000 小時）的內部資料集進行微調，顯著提升了模型在真實場景下的表現。
3. **DRL（後訓練）**：選取 300 個高品質軌道，應用類似 GRPO 的演算法進行強化學習，進一步優化轉錄精確度。

**資源開放與應用**
Mirelo 與 Kyutai 已將此研究成果開源，希望推動音樂科技領域的發展：
- **學術與開發資源**：詳細研究論文已發布於 arXiv，推理程式碼託管於 GitHub，模型權重則公開於 Hugging Face。
- **實際應用**：使用者可直接前往 Mirelo Studio 測試免費的 Audio-to-MIDI 工具，體驗將音訊轉為 MIDI 並匯出至 DAW 進行創作的完整流程。

## 媒體內容

**Mirelo 平台展示將音訊檔案轉換為 MIDI 格式並進行樂譜視覺化的操作流程。**

**影片中的 Prompt 與操作**

操作步驟：

1. （00:00）點擊上傳檔案按鈕
2. （00:05）系統自動識別音軌並顯示鋼琴捲簾視圖
3. （00:15）點擊播放按鈕
4. （00:24）點擊 View 選單並選擇 Score 視圖

## 標籤

新產品, AIGC, Mirelo