自动估算的 BPM 被砍成一半:时值整齐度评分的倍频盲区
本文目录(2 节)
在 MusicXML 里,音符写的是相对时值(quarterLength),实际唱多少秒取决于曲谱头的 BPM:
持续秒数 = quarterLength × 60 / BPM
做自动转谱时,我先用 librosa.beat.beat_track 从整首伴奏里估出一个初始速度(比如 143.55 BPM),然后写了一个 refine_bpm() 函数:在初始值附近以及 ×0.5、×2、×1.5 等倍率上生成一批候选 BPM,看哪个候选能让全曲音符量化到标准网格(四分、八分、十六分)时的残差最小。
结果一跑出来,143.55 BPM 的歌被它改成了 71.78 BPM。
为什么 BPM 和 BPM ÷ 2 的整齐度完全并列
仔细一算就发现评分函数有个数学盲区:
当候选 BPM 砍成一半(143.55 → 71.78)时,同一段真实音频秒数对应的 quarterLength 刚好缩小一半——原本落在二分音符网格上的音变成了四分音符,原本是四分音符的变成了八分音符。只要量化网格同时允许四分、八分和十六分音符,BPM 和 BPM ÷ 2 的相对量化误差是一模一样的。
两个候选在整齐度上拿到并列满分,而我的候选列表恰好把 0.5x 排在前面,代码按 < 比较时直接保留了先遍历到的 71.78。如果后续导出环节和伴奏轨道按不同基准对齐,整首曲子的拍号和感受速度就全乱了。
给评分加上音频先验惩罚项
修法是在纯网格整齐度之外,加上一项「偏离 librosa 音频先验值」的惩罚权重:当两个候选的网格整齐度接近或打平时,优先选择最贴近原始节拍检测值的 1.0x 候选,不再无故跳到半速或倍速。
同时我在前端面板上把 BPM 改成了醒目的可手填字段,默认填入自动估算值供参考——因为同一段旋律记成 72 BPM 的八分音符还是 144 BPM 的四分音符,在乐理上本来就取决于编曲记谱习惯,留一个人工覆写入口最稳妥。