MIDI 与音频：核心区别以及各自的适用场景

当你打开 DAW，看到两种不同的轨道时，"MIDI 还是音频"的问题就出现了。一种轨道里是波形；另一种是网格上的小方块。它们看起来像是做同一件事的两种方式，但本质上截然不同。弄清什么时候用哪一种，能为你节省时间、CPU，也能少受些折腾。本指南会解释每种格式到底包含什么、各自在哪些场景下更好用、如何以及为什么在两者之间转换，并附上一个让取舍变得具体可感的小练习。

先打个比方：照片与菜谱

把音频想象成一顿饭的照片，把 MIDI 想象成菜谱。

照片准确记录了某一道菜的样子：灯光、热气、稍微烤焦的边缘。你可以裁剪它、调亮它或加个滤镜，但你没法把鸡肉换成豆腐。而菜谱里根本没有食物，它只是一组指令。把它交给另一位厨师，换一种食材，分量加倍，每次你都会得到一道新菜。

音频是一次演奏的照片。MIDI 是告诉乐器该演奏什么的菜谱。记住这个画面，大多数实际差异就都顺理成章了。

音频到底包含什么

音频文件是一长串描述声波的测量值，通常每秒有数万个。播放时，这些测量值又被还原成声音。

因为它记录的是声音本身，音频包含了一次演奏的一切：某把吉他的音色、演奏时所在的房间、歌手的呼吸，以及那些让律动听起来有人味的细微节奏偏差。这种真实感就是它的超能力。

另一面是，音频是固定的。你可以在时间上拉伸它、改变它的音高、倒放、切碎，或者给它加效果，但每一次改动都作用在已录下的声音上。大幅度的音高或速度变化可能带来听得见的瑕疵，而且你不能简单地决定让和弦里的某一个音变成别的音。

MIDI 到底包含什么

MIDI 文件里没有声音。它保存的是事件：演奏哪个音、何时开始、持续多久、演奏力度多大（velocity），以及可选的控制数据，例如延音踏板或弯音。虚拟乐器或硬件合成器读取这些事件并发出声音。

这带来了几个结果：

• 文件非常小。一整首歌的音符可能只占几 KB。
• 声音可以互换。同一个声部，只要换一件乐器，就能由钢琴、弦乐组或合成器来演奏。
• 每个音符都可编辑。音高、时间、时值和力度都可以单独调整。
• 它依赖乐器。没有加载合适的乐器，MIDI 要么不出声，要么听起来不一样。

MIDI 更合适的场景

记录灵感草稿

还在创作阶段时，MIDI 让你可以毫无负担地尝试各种想法。把贝斯线降低一个八度，把和弦从弦乐换成电钢琴，再用钟声音色叠一层旋律。每一次改动只需几秒，而且没有任何成本。

修正演奏

一条本来很棒的录音里弹错了一个音？用 MIDI 的话，点一下把它挪走就行。几个音抢拍了？微调或量化即可。换成音频，同样的修正可能意味着重新录音、使用音高修正，或者小心地切片，还要冒出现爆音和毛刺的风险。

在后期改变速度或调性

如果你决定这首歌应该更快，或者换一个调，MIDI 能干净利落地跟着变，因为音符绑定的是音乐上的位置，而不是固定的音频。音频也可以拉伸或变调，但音质可能受损，尤其是变化幅度大的时候。

学习与记谱

MIDI 可以转成乐谱、用来分析和弦，或者用来一个音一个音地教授某个声部。音频则必须先扒谱。

音频更合适的场景

录制真实的声源

麦克风捕捉的是音频。人声、原声乐器、真鼓、环境录音，以及在现实世界中发生的一切，一开始都是音频。虚拟乐器可以惟妙惟肖，但真实演奏中的某些细节很难复制。

敲定一个声音

这一点常让初学者意外。有时失去灵活性反而是好事。当一个合成器声部随时都可以变成任何样子时，你很容易花几个小时试听预设，而不是把歌做完。把这个声部渲染成音频，会逼你做出决定，然后继续往前走。

节省运算资源

虚拟乐器实时生成声音，这会占用 CPU。几个吃资源的合成器就能拖慢一台电脑。播放音频文件则轻松得多。这就是为什么制作人一旦对乐器轨满意，就常常把它们渲染、导出（bounce）或"冻结"。

与他人分享

如果你把一个 MIDI 声部发给一位没有同款乐器的合作者，他听到的会是另一种声音，或者什么也听不到。音频文件在哪里听起来都一样。这就是为什么混音师要的是音频格式的分轨。

实际中的文件大小与可移植性

两种格式的大小差距非常悬殊。一段 CD 音质、三分钟的立体声 WAV 大约占三十兆字节，而同一首歌音符的 MIDI 文件可能比一张照片缩略图还小。这让 MIDI 非常适合用电子邮件发送灵感、存储大量的音型库，或者与老师分享声部。不过，音频是几乎所有平台、播放器和合作者无需任何设置就能使用的格式，这就是为什么成品音乐总是以音频形式交付。

在两者之间转换

大多数真实项目都会在两种格式之间来回切换。下面说说每个方向在什么时候合理。

MIDI 转音频

在以下情况下，把 MIDI 渲染成音频：

• 声音已经定稿，你不太可能再改。
• 你需要释放 CPU。
• 你要把声部发给别人。
• 你想用只适用于音频的手法处理结果，比如切片或倒放。

在 DAW 里，这一操作有 bounce、render、freeze 或 print 等不同叫法。如果你只想快速得到一个 MIDI 文件的音频版本而不想打开 DAW，SampLab Pro 免费的 MIDI 转 WAV 工具可以在你的浏览器里用内置乐器音色把 MIDI 渲染成立体声 WAV。

音频转 MIDI

在以下情况下，把录音转成音符是值得的：

• 你对着手机哼了或弹了一个想法，想用正经的乐器把它重建出来。
• 你想借用一段录音的旋律，换一种音色试试。
• 你想查看、编辑或记录一次演奏中的音符。

自动扒谱在清晰的单一乐器录音上效果最好。SampLab Pro 免费的 WAV 转 MIDI 和音频转 MIDI 工具会在你的设备上把录音转成可编辑的 MIDI，之后你还可以用 MIDI 编辑器修正错音、时间和力度。对于埋在完整歌曲中的声部，先用 AI 音轨分离（每个任务 36 积分）把它分离出来，能给转换器一个干净得多的信号。

无论哪个方向，都要做好清理的准备。复杂的复音素材更难被准确扒出，有时在 MIDI 键盘上重新弹一遍，比修一个乱糟糟的转换结果更快。

MIDI 与音频：快速决策指南

跟着一首歌走过两种格式

为了看看实际中是怎么运作的，我们跟着一首卧室流行歌从灵感走到最终混音。

它始于一段语音备忘录：走路回家时哼出的一段旋律。这是音频。回到桌前，制作人把备忘录转成 MIDI，好用一个柔和的合成器主音试试这段旋律，然后在编辑器里修正了几个发飘的音。现在旋律是 MIDI 了。

和弦和贝斯直接在键盘上以 MIDI 写成，因为制作人还在挑选音色，而且可能会换调。鼓则由编程的 MIDI 音型和几段已经具备合适质感的录制音频 loop 混合而成。

编曲定下来之后，歌手录制人声。这是音频，而且一直保持为音频，因为呼吸和乐句处理才是重点。制作人还把最吃资源的合成器导出成音频，以释放 CPU，也免得自己继续摆弄预设。

最后，工程被导出为音频分轨，发给混音师，混音师听到的和制作人听到的一模一样。在一首歌的生命周期里，素材在两种格式之间切换了好几次，每一次都有其理由。

常见误解

• "MIDI 听起来很假"。MIDI 本身没有任何声音。它听起来怎样，完全取决于演奏它的乐器。
• "音频的质量总是更高"。音频忠实地记录一次演奏，但通过优秀乐器演奏的 MIDI 也能听起来非常出色。
• "把音频转成 MIDI 是无损的"。这是一种扒谱，所以要预计会有漏音或多余的音，尤其是复杂的素材。
• "你必须二选一"。几乎每一个现代制作都会同时使用两者。

没有唯一正确的工作流程

有些制作人一直用 MIDI 直到最终混音，把所有选项都留着。另一些人则尽早渲染，以敲定决定、保持势头。还有一些人围绕录制的演奏来搭建整首曲子，几乎不碰 MIDI。每种方法都适合不同的人和不同的项目。

一条务实的中间路线是：仍在变化中的声部保留为 MIDI，有把握的就渲染掉，而与人合作时永远交付音频。

自己试试：一个 30 分钟的练习

理解两者区别最快的方法，就是亲身感受一下。

1. 做一个 MIDI 片段。在任意 DAW 中新建一条 MIDI 轨，加载一件乐器，写八个小节的简单旋律或和弦进行。
2. 摆弄它。把它移高一个八度，彻底换一件乐器，调整几个音符的力度，再把几个音符在时间上挪一挪。注意每次改动有多快。
3. 把它渲染成音频。用 DAW 的 bounce 或渲染功能生成一个音频版本。
4. 尝试同样的编辑。给音频移调，尝试换乐器，微调某一个音符的力度，再挪动一个音符。其中有些会很别扭，有些则根本做不到。
5. 反思。写一两句话，说说你什么时候会把东西保留为 MIDI，什么时候会把它定为音频。

做一次，这种取舍就会永远留在你心里。

常见问题

为什么不把所有东西永远保留为 MIDI？

可以，但这会占用 CPU，依赖手头有同样的乐器，还可能诱使你无休止地修改。很多制作人会在灵活性和敲定之间取得平衡。

把 MIDI 渲染成音频会降低质量吗？

干净的渲染听起来应该完全一样。渲染出的文件记录的是乐器发出的声音。改变的是可编辑性，而不是声音。

MIDI 是声音文件吗？

不是。MIDI 包含的是指令，而不是声音。它需要乐器才能被听到。

把音频转成 MIDI 有多准确？

来自干净录音的单音旋律通常转换得很好。和弦、密集的混音和效果很重的录音更难，需要更多清理。

初学者应该把精力放在哪种格式上？

两者都要。MIDI 非常适合创作和学习；音频对录音和分享至关重要。重要的是理解它们如何协同工作。

SampLab Pro 的转换工具是免费的吗？

是的。MIDI 转 WAV、WAV 转 MIDI、音频转 MIDI 和 MIDI 编辑器都是不消耗积分的免费浏览器工具。