AIによる音楽の文字起こしはどの程度正確なのか？
2026年7月更新
正直なところ、正確さは録音の特性であって、ツールの特性ではありません。ほぼ音符通りにクリーンなチェロのソロパートを再現できるモデルでも、リバーブがかかった歪んだギターパートでは苦労するでしょう。両方に共通する数値を求めるのは、そもそも間違った質問です。
精度は単一の数値ではない
人々がこの言葉で意味するところは少なくとも３つあります。 ピッチング？ 発症 — 各音符はどこから始まってどこで終わるのか？ そして、 表記法 —小節線、リズム値、調、音部記号？
これらはそれぞれ独立して失敗する。音程がすべて正しくても、拍の頭が2拍目に当たっているために判読不能になる場合がある。また、リズムは完璧でも、オクターブの誤りが多数ある場合もある。修正方法が異なるため、結果を判断するには、3つのうちどれが間違っていたのかを特定する必要がある。
素材を簡単にする
一度に一つの楽器ずつ。はっきりとしたアタック（ピッキング、スクラッチ、タンギング）。基音がしっかり響く中程度の音域。部屋の響きがアレンジに影響しない程度に、ドライな録音。自由なテンポではなく、適度なテンポの変化。このような素材は楽譜化に非常に適しており、手に入れた時にはその価値を認識する価値がある。
材料を硬くするものは何か
ポリフォニーとオーバーラップ。 同時に鳴る音は倍音を共有し、低い音の倍音は、その音の1オクターブと5度上の実際の音と全く同じように見える。これがオクターブの誤差や幻音の原因である。
リバーブ。 それは音の開始をぼやけさせ、音の終了を破壊します。もしホールが和音を次の和音へと響かせ続ける場合、それらの境界は信号の中では全く明確に表現されません。
ねじれ。 それは、これまで演奏されたことのない倍音でスペクトルを満たす。パワーコードをフルボリュームのアンプで鳴らすと、あらゆる場所にエネルギーが放出され、あらゆる場所で新しい音が生まれるのだ。
極端な音域。 基音に比べて第2倍音が小さい非常に低い低音域、そして音色が薄い管楽器の高音域。どちらもオクターブの誤差が生じやすい領域である。
密度。 フルミックスとは、複数の楽器を同じバンドに詰め込んだもので、最も音量の大きい楽器が勝つという仕組みです。
分離は、どんな設定よりも答えを大きく左右する。
ほとんどのエラーは重複から生じるため、最も効果的なのはミックスダウンのモデルを改善することではなく、ミックスダウンをそのまま書き起こすことではありません。曲をstems （ボーカル、ドラム、ベース、ギター、キーボード）に分割し、各ステムを個別に書き起こしてから、それらをまとめて1つの楽譜にします。この手順こそが、精度を最大限に高める最大の手段であり、フルミックスで最初に分離処理を行う理由です。
結果がおかしい場合、まず何をチェックすべきか
- 1番バー。 拍の頭が1拍ずれていると、音程は正しくても、それ以降の楽譜はすべて間違って書かれています。個々の音符を見る前に、必ず音符グリッドを確認してください。
- オクターブ。 最も低い低音域と、管楽器や弦楽器の最高音域という、極端な音域をよく調べてみてください。そこに特徴的なエラーが潜んでいます。
- 転置。 その部分は楽譜に書かれているのか、それとも実際に音が出ているのか？トランペットの譜表が音程がずれているように見えても、たいていはコンサートピッチの切り替えスイッチを操作すれば正しい音程になる。
- 音符の長さ。 サスティンペダルや長いリバーブテールの下では、値が長すぎると失敗する可能性が高く、これは想定内の結果であり、驚くべきことではありません。
- 情報源。 stems本来入るべき場所にフルミックスが入ったか？楽器の設定や推測は正しかったか？どちらも一度やり直せば解決する問題です。
そのため、結果は編集可能です。
実際の録音を完璧に書き起こすことは不可能であり、それに対する有効な対応策は、大げさな主張をすることではなく、迅速な修正方法を提供することです。結果として、各パートごとに1つのレーンを持つマルチトラックMIDIアレンジメントが開きます。そこで音符を修正すると、同じ編集内容に基づいて楽譜が再作成され、エクスポートされたMIDIにも修正内容が反映されます。
さらに、明確に述べておくべき2つの制限事項があります。これは出版に適した楽譜ではなく、またそのように意図されたものでもありません。スペーシング、ページめくり、発音の調整は楽譜編集ソフトで行うべきです。また、密度が高く、歪みが大きく、残響の多い素材は、どのような構成で印刷してもハードケースに収められたままです。
自分の録音で試してみてください
唯一重要な精度数値は、あなたのファイルに記録された数値です。ファイルをアップロードして結果を確認してください。ブラウザのみ対応、毎日無料で利用できます。
文字起こしツールを開く →よくある質問
AIによる音楽の書き起こしは、実際にはどの程度正確なのでしょうか？
それは、あなたが選ぶ設定よりも、録音そのものに大きく左右されます。ドライな部屋で録音されたクリアなソロ楽器はうまく転写されますが、密度が高く、歪みが強く、残響の多いミックスはそうではありません。すべての音楽に対して提示される単一の精度数値は、あくまでもテストセットに基づいたものであり、あなたのファイルには当てはまりません。
結果を確認する必要がないほど正確ですか？
いいえ。実際の録音を完璧に書き起こすことは不可能です。だからこそ、結果は編集可能なMIDIとして開くようになっているのです。まず拍子を読み、次にオクターブ、最後に音符の長さを確認してください。
曲をstemsに分割することで、なぜ精度が向上するのでしょうか？
ほとんどのエラーは、楽器が同じ周波数帯域で重なり合うことから発生します。ミックスをボーカル、ドラム、ベース、ギター、キーボードに分割し、それぞれを個別に書き起こすことが、最も精度を高める方法です。
音程は合っているように見えるが、楽譜の表記が間違っているようだ。何が起こったのだろうか？
ほとんどの場合、グリッドが問題となります。テンポ、拍子、拍子は音符を配置する前に検出されるため、拍子が1拍遅れると、正しい音高がすべて小節線の反対側に書き込まれてしまいます。他の部分を確認する前に、まず1小節目を確認してください。
出版可能な状態の版画を出力できますか？
いいえ。このソフトウェアは、読みやすく、正しく移調された、編集可能な実際の調号を含む楽譜を生成します。最終的な編集作業は楽譜エディタで行うべきであり、エクスポート機能はそのようなエディタに渡すように設計されています。