如果我知道MIDI到音轨使用的SoundFont，理论上我可以将音频反转为(最可能的)MIDI组件吗？如果是这样的话，最好的方法是什么？
最终目标是尝试将音频(甚至是语音样本)编码到MIDI中，这样我就可以比BearFileConverter更好地再现MIDI格式的原始音频。希望能得到比带通滤波器或FFT更好的结果。
不，这不是为了任何有损的音频压缩或纸张转录，这主要是为了我的好奇心。
仅适用于单声道音乐，没有背景音，并且如果您的SoundFont合成引擎和您的唱片采样率完全匹配(同步到1ppm或更高，没有额外效果，也都使用已知的A440参考频率、已知的语调等)，然后，您可以尝试使用一组记录音频的互相关与来自先验已知字体的每个MIDI音高的一组合成波形样本，为每个MIDI音符创建统计可能性的时间线。找到音高范围、阈值和峰值选择的局部最大值，以找到最可能的MIDI音符开始时间。
另一种可能性是滑动声音指纹，但计算成本更高。
这在现实生活中失败的原因是采样率不完全匹配，加上增加的噪音、扬声器和房间的声学效果、多路径混响等。对于与自身泛音非常相似的音符波形，你也可能会得到误报。语音样本与任何模板的差异甚至更大。
忘记带通滤波器或寻找FFT幅度峰值，因为这只适用于接近纯正弦波的情况，很少有乐器或有趣的字体听起来像(或像这样无聊)。