【Win 10 应用开发】MIDI 音乐合成——乐理篇

针对 MIDI 音乐的 API ，其实在 Win 8.1 的时候就出现。在UWP中采用了新的驱动模式，MIDI 消息传递更加高效。

首先得说明的是，UWP 的 MIDI 相关 API 不是针对 MIDI 文件的，而是针对 MIDI 设备的，所以它不具备保存 MIDI 文件的功能。当然，如果你想把 MIDI 消息存为音频文件，完全可以自己一个字节一个字节地写入。MIDI 文件分为两个数据块——头部和音轨。头部主要描述音轨类型（单轨或多轨），包含轨道数量，以及计时方式。

MIDI 有两种方式来描述音符时值：

1、Timing Clock：单个四分音符（常规是每四分音符为一拍）的“脉冲时钟数”（PPQ），时间单位Tick，一般为24的倍数。

2、帧率。这个跟视频有点像，比如24帧，30帧等。

计时方式用两个字节表示（16位），如果最高位为0，表示用Tick方式来描述，剩下的15位表示Tick值；如果最高位为1，则表示帧率。

比如，如果用Tick方式表示（常用），第16位必须为0，即 0111 1111  1111 1111。

MIDI 文件除头部外，剩下部分都是音轨数据。每个音轨由一系列事件组成。事件就是MIDI指令。MIDI 文件之所以体积小，是因为它不存储音频数据，只存储指令。比如 Note on 开始播放某个音符，Note off 停止播放某个音符。每个事件都由两段组成：

<delta time><event data>

Delta time 指事件的时间偏移量，它是相对于前一个事件而言的，当然，如果是轨道中的第一个事件（或者是元数据事件），delta time 可以是0。常用的是tick计时方式，比如，文件头中指定每个四分音符的时值为96，那么，假调事件A播放中音1（C），事件B停止播放中音1，如果这个中音1是四分音符，即时值为1拍，两个事件可这样排列：

<0><note on 60><96><note off 60>

60中音1的编码，这个老周后面会说，也就是B事件要在A事件后面，相隔时间为96，1拍。如果是八分音符呢，就是48（半拍）。

<0><note on 60><48><note off 60>

好了，关于 MIDI 文件的信息就说到这里，有兴趣的话，你可以到 midi.org 官方网站去查看相关的规范。老周写了一个读写 MIDI 文件的通用类，功能还未完尚，仅供参考。下载链接在这里。

=====================================================

下面咱们说正题。

UWP 中的 MIDI API 是用于与 MIDI 设备通信的。其实总的来说也就两种设备：输入/输出。输入设备一般来说也就是 MIDI 键盘了。这个我们一般人用不上，买一个的话也不便宜，起码要几百大洋。输出设备可以是专门的MIDI声卡，当然，我们一般的声卡也可以。普通声卡支持MIDI 的通用标准，缺点是音色不太真实。专业声卡再配上软音源就可以模拟出更多乐器的音色，而且质量也高。软音源也不便宜，买一套大概也要一千大洋。

本篇咱们先不说 API 怎么用，很简单，因为微软都封装好了的，直接发送 MIDI 消息就行了，或者从外接的 MIDI 键盘中接收 MIDI 消息。但是，前提是你得有一点乐理知识。要求不高，能看懂简谱的话，就可以了。

简谱头部

在简谱上，标题、副标题这些就不多说了，都能看明白的。在简谱头部，我们主要了解三个标记：

1、调号。比如我们看到许多简谱上会标注 1 = C，意思是中音1的发音是钢琴键盘上的【中央C】键（白键）。调号不理解也无所谓，其实不影响MIDI编程，我们就不需要弄得太复杂了，尤其是大调小调的区分，除非你对音乐有兴趣，可以研究研究。反正就是调越高声音越尖锐，调越低声音越柔和。所以小调一般很适合民歌。

2、拍号：常用的是 4/4，分子为4，表示每四拍为一小节；分母为4，表示一个四分音符为一拍。这是最常见的。比如这样：

前面部分是调号，紧跟着是拍号。

如果是，2/4，表明每两拍为一小节，四分音符为一拍。

3、节奏（节拍）：表示每分钟多少拍（BPM）。常见的节奏为120。

表示一分钟 120 拍，所以，每拍的时长为 0.5 秒。

如果是60，表明一分钟60拍，即一秒一拍。

实际上，决定曲子速度的不是拍号，而是节奏。120 的曲子速度自然要比 60 的快。拍号只是确定每个音符的相对时值，标准是四分音符为1拍，那么八分音符就是半拍，十六分音符就是1/4拍，三十二分音符就是1/8拍了。总之都是二次方的，而且分的越小时值越短。

前面提到MIDI文件有 Tick 和帧率两种计时方式，其实计时方式也不会影响曲子的速度（时长），就好比2分钟长的视频，你把帧率从 30 帧改为 15 帧，但视频长度依然是 2 分钟，只是变得不太流畅而已。MIDI 中也一样，速度是由节拍映射（Tempo map）决定的。不同的是，我们简谱中用的是 BPM（每分钟多少拍），而MIDI中用的是微秒，比如，BPM=120，即0.5秒一拍，换算为微秒就是 500000了。

小节

上面咱们提到过，4/4表示每四分音符为一拍，每小节一拍。那小节是啥？在简谱上，用小节线（竖线）来划分小节。请看下面例子。

上面例子中有两个小节，按照拍号的规定，每小节必须是四拍，第一个3是两拍，第二个3是两拍，加起来正好是四拍。所以后面紧跟一条竖线，这根线就是小节线。第二个小节中，中音5是一拍，中音2是一拍，紧接着的中音3、1下面都有一横线，是八分音符，各半拍，加起来正好一拍；最后的低音6是一拍，合起来也是四拍。

再看一个例子。

注意看拍号，2/4表示每四分音符为一拍，但每小节是两拍。比如第一小节，中音1、中音2都是四分音符，各一拍，共两拍，所以构成一个小节。

音符

我们刚刚在简谱上看到的1234567，就是音符，当然这是简谱上的表示法，这种表示法，容易识别。在五线谱中，音符是用“蝌蚪文”来表示的，不容易分别，也不好懂。

顺便说说唱名和音名。这两个东西，很多时候都会搞混。所谓唱名，就是你用嘴巴唱出来的时候发的声，就是

dol  re  mi  fa  sol  la  xi

对应的音符就是 1 2 3 4 5 6 7。这个应该不难，小学生都懂。

音名就是钢琴键盘上那些字母，与唱名对应的是 C D E F G A B。

中国很多乐器（尤其是吹管类）的基本音域都在 1 2 3 5 6 这几个音上，那是因为我们古代的定音方式为“宫，商，角，徽，羽”，有的说是“宫，商，角，徴，羽”，对应的大约是1 2 3 5 6，古人是用“三分损益”法计算音阶的。因此，许多民乐都没有 4 这个音（3和4的音程是半音），比如，巴乌就是个典型。 笛子和洞箫虽然有 4 这个音（放开全部音孔，八孔箫要按住半音孔），但发声相对较弱。其实，像巴乌（葫芦丝）这些乐器也可以通过接中音5以下的音孔来调节出 4 的音，但也是比较弱的。

十二平均律

音阶划分方式很多，比如中国古代有“五度相生”法，五度指纯五度，这个很复杂，老周也说不清楚，不过，我可以总结出一句不太靠谱的话——纯五度的总音程为 3.5 个全音（三个全音，一个半音）。

其他的计算方式不多讲，因为 MIDI 的音阶用的是十二平均律，这是世界普及的，琴键上用的也是十二平均律。其实，十二平均律是中国人发明的，在明朝的时候就出现了，只是当时乐器生产工艺限制，没有人愿意接受这种方式，结果让西方人抢了头功。

十二平均律是以每【半音】来划分的，因此，它可以包含12个音：

1、1#、2、2#、3、4、4#、5、5#、6、6#、7

对应的音名为

C、C#、D、D#、E、F、F#、G、G#、A、A#、B

其中，3和4之间的音程是半音，前一八度的7与后一八度的1之间的音程是半音，其余为全音，比如1和2之间是全音，所以，在1和2之半加一个 1#，表示在1的基础上升半音，因此，1# 和 2b 是同一个位置，1升半音就是 1#，2 降半音是 2b。

文字是说不清楚的，看看这个图你就懂了。

不管白键还是黑键，两个键之间的音程都是半音，你会看到，3 和 4 之间没有黑键，因为 3 和 4 之间的音程就是半音。故 12345 就是所谓的纯五度，因为它们的总音程就是 3.5 个全音。

再看一张更大的图。

这样你就看到规律了，一个八度的键排序是这样的：

黑              黑                       黑              黑                黑                        ……

-------------------------------------------------------------------------------------------------------------------

白            白              白      白             白               白                 白             ……

故而，3和4之间是两个白键，7和1之间是两个白键，因为它们的音程都是半音。

将其替换为十二个音符，就是：

1#       2#              4#        5#        6#            ……

-------------------------------------------------------------------------------

1         2          3   4          5          6          7       ……

介绍完音符，咱们还要了解音符的时值，所谓时值，就是音符的相对时间长度。

按照时值不同，可以分为以下几种：

1、全音符。标准情况下是四拍，表示方法为 X - - -。

2、二分音符。标准情况下是二拍，表示方法 X -。

3、四分音符。一拍，表示方法 X。

4、八分音符。半拍，表示方法 。

5、十六分音符。四分之一拍，表示方式 。

6、三十二分音符。八分之一拍，表示方式 。

……

后面就不再分了，时值太短了，你也唱不出来。

当然，也有比较特殊的，比如，三拍时值的音符，也可以表示为 X - -。

好了，只要有了上面这些基本知识，就可以开始 MIDI 编程了。下一篇老周就说说如何向声卡发送 MIDI 消息。本篇就扯到这儿了。