MIDI文件研究

MIDI的相关资料在midi.org网站有下载，基本上最有用的是2个：

standard midi file format spec 1.1.pdf （记不清是不是有PDF，也许是网页直接打开，可以把它保存为PDF，方便随时查看）

midi message table.pdf

基本上把这2个文件看懂，就可以掌握MIDI的播放控制了。

在MIDI文件格式里面，有以下内容：

0-－introduction 

1 - Sequences, Tracks, Chunks: File Block Structure1.1 - Variable Length Quantity
1.2 - Files
1.3 - Chunks

1.4 - Chunk Types2 - Chunk Descriptions

2.1 - Header Chunks
2.2 - MIDI File Formats 0,1 and 22.3 - Track Chunks

3 - Meta-Events
3.1 - Meta Event Definitions

Appendix 1- MIDI Messages
Appendix 1.1- Table of Major MIDI Messages
Appendix 1.2- Table of MIDI Controller Messages (Data Bytes)Appendix 1.3- Table of MIDI Note Numbers
Appendix 1.4- General MIDI Instrument Patch Map
Appendix 1.5- General MIDI Percussion Key Map

Appendix 2- Program Fragments and Example MIDI Files 

在第一章里，主要讲文件头的格式，这部分很好理解，可以同时用ue打开一个MIDI文件进行对比，很容易识别出文件头各个字节的意义。

对于变长数量的概念，一开始不太习惯，但自己计算一，二次就能理解了，这样的设计是为了尽可能减少传输的字节数，当接收设备识别到最高位为1的时候，就会知道后面还有一个字节的数据进来，而每次进来的数据只会用它的低7位来表示，所以一个字节能表示0-－127，2个字节能表示2的14次方，3个字节能表示21位，最大可以用到4个字节，也就是28个位的二进制数。

chunk就是数据块的意思，我们一般叫轨道，就是有一个header tag，然后有个长度，然后就跟一堆数据，这些数据的长度是可变的。一般MIDI有一个头类型的轨道，然后跟着内容轨道，有可能有1个，也可能多个。这是在header chunk里面定义，header chunk是最简单的，因为它的长度是固定的，而且它的内容很简单，只有6个字节，第一个是格式，MIDI的格式有3种，分别是0，1，2.格式0的文件只有一个轨道，文件1可以有16个轨道。格式2没有研究过。然后是轨道数。然后是一个叫tick的值，它表示一个四分音符里面包含多少个tick。有时候这个里面不是tick，如果最高位是1的情况下，它采用的是另一种表示时间的方式，这种情况我还没有见到过。

要理解MIDI，还需要懂一些音乐知识。首先关于这个四分音符的概念，音符分根据它的时间长短，一般分为全音符，半音符，四分之一音符和1/8音符，这些音符不同之处就是他们占用的时间不同，一般一个全音符会占用2秒，然后1/4音符就会占用0.5秒。然后刚才说那个tick就是对时间的计算方式，它把一个音符细分成一些小的时间粒度，通常我们看到的MIDI定义的tick值为120.也就是说在描述某个音符的时间时，可以精确到一个音符的1/120，如果假设一个音符为0.5秒的情况下，一个tick值代表的时间大约是4ms。

但是现在我们还有一个问题没有解决，就是一个四分音符具体是不是永远都是0.5秒呢？在MIDI的规范里，是可变的，是需要在第一个轨道的开始时就定义好的，如果没有定义，我们也要设置一个默认值。有些文件会在文件的多个地方定义这个值，它要求在音乐进行到某个阶段时动态地挑整这个参数。这个参数在MIDI里面名为tempo值。tempo值通常由3个字节构成。它代表的是一个1/4音符有多少us。

我刚开始把tick和beat per minute搞混了，一开始我以为在header里面定义的ticks数就是每一分钟里面包含多少个1/4音符，其实BPM是由tempo值决定，因为知道一个1/4音符占用多少us，就可以计算出一分钟里面包含多少个1/4音符。

然后下面讲一下MIDI的一些主要命令：

通常MIDI的命令最高位都是1，一般一个命令之前会有一个时间值，这个叫delta time，也就是距离上一个命令的时间差，或者差了多少个ticks，因为MIDI最小时间粒度是tick，而不是我们常用的秒。而且这个时间表达时用多少个字节是不固定的，按照变长度值的方式来表示，也就是说如果你看到一个像0x76这样的数，因为它的最高位不是1，所以这个值只有一个字节。而如果你遇到一个0x87这样的，那么你需要继续取下一个，然后把2者合起来，假设下一个的最高位还是1，那么就要取第三个，甚至第四个。

MIDI的命令在开始提到的2个文档中都有详细介绍，这里只讲一下个人体会比较深的：

80，81，82-－－8e

这些是关闭音符的命令，注意其中低4位表示MIDI的通道，MIDI通常有16个通道，每一个通道有一种乐器，每个乐器可以输出128种音符，然后可以有128种力度。注意一种乐器可以同时输出多个音符，就像我们弹钢琴一样，可以用3个手指同时按下，同样，释放的时候也可以只放开其中一个。这就是为什么在关闭音符的时候也要指出具体关闭哪个音符，而不能只告诉系统关闭通道。

90，91，9n

这些是打开音符的命令，后面同样跟2个参数，就是音符和力度。需要注意的是，为了节约字节，当对某个通道要连续进行打开音符操作的时候，可以把第一个命令字节省略，也就是如果看到：

90 40 50 00 50 60 00时，意思是首选执行

90 40 50

00代表时间差

然后又是90 50 60

这样对于那些需要同时输出多个音符的情况是比较省事。

a0，a1，a2，这些是跟按键的复调有关，还没有细看

b0，bx，也是比较难理解的，有些重要的用途就是能把所有声音关闭，或者调节音量，还有一些调节踏板，滚轮，推子之类的

cx，改变音色，一开始我不知道program有音色的意思，所以总是不理解。

dx  跟 ax有点关系，但又不一样

ex pitch轮子

f－－以f开头的命令是系统命令，包括歌词，各种文本，版权信息，chunk结束点，tempo值的设定，时间标记，key标记，

我们最常用的是MIDI的歌词，通常MIDI的歌词是有一个独立的轨道，但这个轨道往往也会夹带一些音符，只是这些音符通常都不发出声音。歌词最重要一个是它的文本，第二重要是它保护的对于的时间点，因为要在正确的时间呈现出来。

然后MIDI的tempo值也很重要，它决定我们要以什么样的节奏来播放这个曲子。

然后是时间标记，这里面也涉及到一些音乐概念。最常见的时间标记是4/4，其中做分子的4表示一个小节里面有4个音符，而做分母的那个4表示每个音符是1/4音符的长度。最典型的例子是欢乐颂。在5线谱里面，1/4用实心圆圈来表示��，类似于这样。每个小节之间会用竖线分割，我们会看到每个小节里面有4个这样的音符。

假如时间标记是3/4的话，那就表示每个小节里面有3个音符，然后每个音符是1/4音符的长度。

如果是6/8，就会有每个小节有6个音符，每个音符是1/8音符长度，1/8音符是在1/4音符的基础上带一个尾巴。1/8音符因为时间短，往往节奏会比较快，变化多，当然也要结合它的tempo值。

音调标记：

音调是一个乐谱里面采用的基准音调，在五线谱里面会在开始的地方注明，最常见的是C大调，它的意思是这首曲的do音在中央C这个键。然后以此类推，re音在D，mi ，fa ，so，la，si分别在E，F，G，A，B这些白键上面。

我以前一直以为do音必须在C键，后来知道了半音和全音之后，才知道，其实do音可以在任何键，只是如果do音不在C的情况下，要想发出re，mi，fa，so，la这些音的时候不能只用白键，而是要在适当的地方用黑键。

还有一点容易搞错的就是，不要把C大调和弦和C大调音阶搞混了，C大调和谐指的是同时按下C，E，G三个key，因为中间的E和根音C隔了2个全音，所以发出的声音很明亮，欢快。而如果把E换成Eb，就会变成C minor chord，听起来就会很沉闷，忧郁的感觉。但是C大调音阶更多的是指一首曲子的频域活动范围。

我之前还有一个疑问，对于C major chord而言，C和E之间的音程是2个全音，可是为什么E，G之间并未相隔2个full note？但是我确认major chord只要求root note和3rd note符合2个full note的要求，并没有规定3rd note和5th note要有2个full note。

在MIDI的通道10根别的通道有点不一样，这个是专门用来控制打击乐器的，而每个表示音符的位置表示一种打击乐器，打击乐器的列表在文档里面有说明。我开始想不通对于格式0的文件只有一个音频轨道怎么办？后来我明白轨道跟通道是不同的概念，其实轨道也就是chunk，可以控制任何通道，轨道可以只有1个，或者5个，16个，有的可能超过16个，但通道就只有16个。