एमसीपी के माध्यम से एआई एजेंट से ऑडियो को MIDI में परिवर्तित करना।

अक्टूबर 2026 में प्रकाशित

Doseedo का प्रतिलेखन और इसका संगीत विश्लेषण एमसीपी सर्वर पर उपलब्ध उपकरण हैं। इसे कनेक्ट करें और एक एजेंट रिकॉर्डिंग को ट्रांसक्राइब कर देगा। नोट्स पिच, आरंभ, अंत, वेग, आत्मविश्वास — प्रत्येक उपकरण के लिए अलग-अलग मॉडल एक ही सतह के पीछे मौजूद हैं, और इनसे जुड़े सवालों के जवाब देते हैं: क्या चाबी यह किसमें है? गति और मीटर, कहाँ हैं निराशाजनक, क्या है कॉर्ड्सऔर क्या मैंने अभी जो हिस्सा लिखा है वह लयबद्ध रूप से सही है? विश्लेषण उपकरण सिंक्रोनस हैं और निःशुल्क हैं, जो उन्हें एक ग्रिड बनाते हैं जिसके आधार पर एजेंट किसी भाग को प्रस्तुत करने या सत्र में नोट्स डालने से पहले लिखता है।

उपकरण

• doseedo_transcribe — ऑडियो इनपुट (एक अपलोड या कोई भी https URL, जिसमें अलग किया गया स्टेम शामिल है), नोट्स आउटपुट JSON के रूप में। संकेत इसे और बेहतर बनाते हैं: instrument ("piano", "sax", "vocals", "bass"), register, family जब उपकरण अज्ञात हो, polyphony — solo, poly, या section के साथ roster हॉर्न सेक्शन के लिए कुर्सियों का ("trumpet,trumpet,trombone,tenor_sax")। साथ tempo_bpm नोटों का समय भी बीट्स में लौटाया जाता है। want:"f0" ग्लाइड, वाइब्रेटो और इंटोनेशन के लिए नोट्स के बजाय निरंतर पिच कंटूर लौटाता है।
• doseedo_analyze_song — एक ही सिंक्रोनस कॉल में रिकॉर्डिंग की कुंजी, बीपीएम और प्रति-बीट टेम्पो मैप, मीटर, डाउनबीट्स, सेक्शन और कॉर्ड्स।
• doseedo_detect_chords — एक कॉर्ड चार्ट जिसमें सेकंड और बीट्स में अंतराल दर्शाए गए हैं।
• doseedo_beat_grid — बीट और डाउनबीट का समय, प्रति बार बीट्स, बीट मैप।
• doseedo_analyze_midi — आपने जो स्वर लिखे हैं, उन्हें प्रस्तुत करने या रखने से पहले उनमें सामंजस्य स्थापित कर लें।

ट्रांसक्रिप्शन एक अतुल्यकालिक कार्य है — सर्वर की विधि के अनुसार इसमें 15 से 60 सेकंड लगते हैं, अधिकतम दो क्रेडिट लगते हैं और अक्सर कुछ भी नहीं लगता — इस पर प्रतीक्षा की जाती है। doseedo_wait_taskये चारों विश्लेषण उपकरण एक ही कॉल में जवाब देते हैं और इनके लिए क्रेडिट की आवश्यकता नहीं होती है।

वास्तविक आउटपुट, वास्तविक स्टेम पर

इसे वर्णन करने के बजाय ठोस रूप देने के लिए, यहाँ एक उदाहरण दिया गया है। doseedo_analyze_song हमारे सार्वजनिक जैम सेशन से लिए गए एकल पियानो के एक अंश पर आधारित यह धुन, 15 अक्टूबर 2026 को रिकॉर्ड की गई थी और इसे संक्षिप्त रूप में प्रस्तुत किया गया है (पूरे अंश में 421 कॉर्ड और 25 टेम्पो-मैप बिंदु थे):

{
  "status": "done",
  "kind": "analyze_song",
  "bpm": 91,
  "key": { "name": "C# major", "root": 1, "scale": "major", "confidence": 0.769 },
  "meter": "4/4",
  "beats_per_bar": 4,
  "chords": [
    { "chord": "F#maj7", "start": 21.03, "end": 24.09, "start_beat": 0, "end_beat": 5, "confidence": 0.73 },
    { "chord": "F#m7",   "start": 24.09, "end": 24.79, "start_beat": 5, "end_beat": 6, "confidence": 0.83 },
    { "chord": "Bm",     "start": 24.79, "end": 25.55, "start_beat": 6, "end_beat": 7, "confidence": 0.70 },
    …
  ],
  "tempo_map": [ { "bpm": 90.35, "time": 21.03 }, { "bpm": 85.91, "time": 53.03 }, { "bpm": 90.65, "time": 64.15 }, … ],
  "downbeats": [ 22.19, 24.79, 27.52, 30.20, … ],
  "sections": [ { "name": "Section A", "position_beats": 0 }, { "name": "Section A", "position_beats": 33.65 }, … ],
  "dynamics": { "fade_in_sec": 21.03, "fade_out_start": 219.82 },
  "truncated": [ { "path": "chords", "kept": 105, "total": 421 } ],
  "next": "The full result is kept: GET https://api.doseedo.com/api/jobs/ अपनी चाबी से।

इससे तीन बातें समझ में आती हैं। आत्मविश्वास संख्याएँ वास्तविक हैं — कुंजी पर 0.77, प्रति कॉर्ड 0.6 से 0.87 — और एक एजेंट को 0.6 कॉर्ड को ड्राफ्ट के रूप में मानना चाहिए। टेम्पो मानचित्र बहाव (पूरे टेक में 86 से 102 बीपीएम तक) क्योंकि रुबाटो बजाने वाले एकल पियानो की कोई निश्चित ग्रिड नहीं होती, यही कारण है कि इस रिकॉर्डिंग के आधार पर लिखे गए भाग में मैप का उपयोग किया जाना चाहिए, न कि सिंगल का। bpmऔर इस रचना में एक लंबा मौन परिचय है: fade_in_sec: 21 इसीलिए पहला कॉर्ड 21 सेकंड पर शुरू होता है।

एक ही तने पर चलाएँ, doseedo_detect_chords — बीट-ट्रैक्ड चार्ट — ने शुरुआती भाग को सुना Ebm7 166.7 बीपीएम (डबल-टाइम, वही सामंजस्य उसके सापेक्ष माइनर से लिखा गया) पर एक अलग ग्रिड के साथ। यह असहमति एक सटीक जानकारी है, कोई त्रुटि नहीं: सघन या रुबाटो रिकॉर्डिंग दोनों उपकरणों के लिए कठिन मामला है, और विधि के नोट में ही कहा गया है कि विश्वसनीय चार्ट के लिए मिक्स के अलग किए गए हार्मोनिक स्टेम पर या एक साफ टेक पर कॉर्ड्स का पता लगाएं। इस कैप्चर में विश्लेषण सेवा को किया गया पहला कॉल भी सेवा के निष्क्रिय रहने के 45 सेकंड बाद टाइम आउट हो गया; त्रुटि ने एजेंट को 30 सेकंड प्रतीक्षा करने और एक बार फिर से प्रयास करने के लिए कहा, और पुनः प्रयास का उत्तर कुछ ही सेकंड में मिल गया।

क्या पूछना है

> What key and tempo is ./ref.wav in, and where do the
  sections change?

> Transcribe the sax solo in ./solo.wav — tenor, monophonic —
  and show me the notes in beats at the song's tempo.

> Separate ./mix.wav, transcribe the bass stem, and put the
  notes on the Bass track of my "Bridge Demo" session.

> Here's the horn section stem: two trumpets, a trombone and
  a tenor. Give me each chair's part.

> Check the harmony of this progression I wrote before you
  render it.

तीसरा प्रॉम्प्ट एमसीपी पर इसे रखने का मुख्य उद्देश्य है: नोट्स किसी फ़ाइल तक सीमित नहीं रहते। एजेंट उन्हें एक सेशन ट्रैक में लिखता है। set_midi_notes (DAW के इंस्ट्रूमेंट द्वारा बजाए गए सटीक नोट्स), या उन्हें ऑडियो के रूप में प्रस्तुत करता है doseedo_render_midi या तो किसी मॉडल किए गए इंस्ट्रूमेंट पर, या उन्हें सेशन बिल्ड को सौंप देता है। MIDI डेटा जैसा दिया गया है वैसा ही रहता है — सर्वर एजेंट की जानकारी के बिना कभी भी नोट्स को बदलता या ठीक नहीं करता।

नोट्स, .mid फ़ाइल नहीं — और क्यों

doseedo_transcribe यह नोट्स को मानक MIDI फ़ाइल के बजाय संरचित JSON के रूप में लौटाता है, क्योंकि एजेंट इसी के आधार पर तर्क करता है: यह विश्वास के आधार पर फ़िल्टर कर सकता है, ग्रिड के अनुसार मात्रा निर्धारित कर सकता है। doseedo_beat_grid लौटाया गया, एक कॉर्ड को आवाज़ों में विभाजित किया गया, या परिणाम की जाँच की गई doseedo_analyze_midi कुछ भी कमिट करने से पहले। यदि लक्ष्य कोई फ़ाइल है, तो प्रोजेक्ट टूल्स एक फ़ाइल लिखते हैं: doseedo_separate_stems साथ include_midi और doseedo_audio_to_session प्रति-स्टेम MIDI नेटिव Logic या Ableton प्रोजेक्ट में डालें, और वेब टूल डाउनलोड करें .mid सीधे तौर पर। ऑडियो को शीट संगीत में रूपांतरित करना यह एक ही पाइपलाइन के अंत का संकेत है।

विश्लेषण निःशुल्क और समकालिक है; प्रतिलेखन को हल्के ढंग से मापा जाता है (नुस्खे में अधिकतम दो क्रेडिट बताए गए हैं, लेकिन जब सीपीयू मॉडल इसे प्रस्तुत करता है तो कोई क्रेडिट नहीं लगता); doseedo_quote पहले इनमें से किसी की भी कीमत पता कर लें। प्रत्येक ग्राहक द्वारा कॉल रद्द की जा सकती हैं। सेटिंग्स → एपीआई कुंजी.

संबंधित

• ब्राउज़र में ऑडियो को MIDI में बदलें
• ऑडियो को शीट संगीत में रूपांतरित करना
• एमसीपी पर Stem separation
• मॉडल किए गए वाद्य यंत्र पर स्वर प्रदर्शित करें
• सभी 33 उपकरण, और प्रत्येक का कार्य