如何用Python的Pretty MIDI读取MIDI文件中的休止符？

PrettyMIDI默认仅存储实际发声的音符，休止符的时长隐含在时间轴的空白间隔中，需要手动计算或通过采样识别。以下是两种实用解决方案：

方法一：通过音符时间差计算休止符 #

直接基于音符的起始/结束时间，计算相邻音符间的空白时长，还原休止符信息：

示例代码 #

import pretty_midi

# 加载目标MIDI文件
midi_data = pretty_midi.PrettyMIDI('your_midi_file.mid')

# 提取目标轨道的音符（多轨道可遍历处理）
target_instrument = midi_data.instruments[0]
notes = target_instrument.notes

# 按音符起始时间排序，确保时间顺序正确
notes.sort(key=lambda note: note.start)

# 整理包含休止符的事件序列
event_sequence = []
previous_note_end = 0.0

for note in notes:
    # 计算当前音符与上一个音符之间的休止时长
    rest_duration = note.start - previous_note_end
    # 过滤浮点误差导致的微小间隔（可根据需求调整阈值）
    if rest_duration > 0.001:
        event_sequence.append(
            {"type": "rest", "duration": round(rest_duration, 2)}
        )
    # 添加音符事件，包含音高、时长信息
    event_sequence.append(
        {
            "type": "note",
            "pitch": note.pitch,
            "duration": round(note.end - note.start, 2)
        }
    )
    # 更新上一个音符的结束时间
    previous_note_end = note.end

# 输出结果
for event in event_sequence:
    if event["type"] == "rest":
        print(f"休止符 | 时长: {event['duration']} 秒")
    else:
        print(f"音符 | 音高: {event['pitch']} | 时长: {event['duration']} 秒")

说明 #

• 基于原始音符事件，精度完全匹配MIDI文件的时间标记，适合需要精确时长数据的场景。
• 多轨道场景下，可分别处理每个轨道的音符序列，或合并所有轨道时间轴计算全局休止符。

方法二：通过钢琴卷帘（Piano Roll）识别休止符 #

将MIDI转换为时间步采样的矩阵，遍历每个时间步判断是否有发声音符，从而识别休止符：

示例代码 #

import pretty_midi
import numpy as np

# 加载MIDI文件并提取目标轨道
midi_data = pretty_midi.PrettyMIDI('your_midi_file.mid')
target_instrument = midi_data.instruments[0]

# 生成钢琴卷帘矩阵，fs为采样率（每秒采样次数）
fs = 100  # 可根据精度需求调整
piano_roll = target_instrument.get_piano_roll(fs=fs)
# 生成对应的时间轴
time_steps = np.arange(piano_roll.shape[1]) / fs

# 遍历时间步识别音符与休止符
current_state = "rest"
segment_start = time_steps[0]

for idx in range(piano_roll.shape[1]):
    # 判断当前时间步是否有音符发声
    has_active_note = np.any(piano_roll[:, idx] > 0)
    
    if has_active_note and current_state == "rest":
        # 休止符结束，计算时长
        rest_duration = round(time_steps[idx] - segment_start, 2)
        if rest_duration > 0.01:  # 过滤微小间隔
            print(f"休止符 | 时长: {rest_duration} 秒")
        current_state = "note"
        segment_start = time_steps[idx]
    elif not has_active_note and current_state == "note":
        # 音符结束，计算时长
        note_duration = round(time_steps[idx] - segment_start, 2)
        print(f"音符段 | 时长: {note_duration} 秒")
        current_state = "rest"
        segment_start = time_steps[idx]

# 处理最后一段未结束的状态
if current_state == "rest":
    final_rest_duration = round(time_steps[-1] - segment_start, 2)
    if final_rest_duration > 0.01:
        print(f"休止符 | 时长: {final_rest_duration} 秒")
else:
    final_note_duration = round(time_steps[-1] - segment_start, 2)
    print(f"音符段 | 时长: {final_note_duration} 秒")

说明 #

• 适合可视化或需要按固定时间步处理的场景，精度受采样率fs影响，采样率越高精度越高，但计算量也会增加。

内容的提问来源于stack exchange，提问作者Megan