MIDI格式

定义

MIDI格式指按标准MIDI文件规范保存的二进制音乐文件，扩展名一般为.mid或.midi，媒体类型标记为audio/midi^[2][3]。它属于指令型格式，文件内部是一串按时间先后排列的演奏事件，用来描述演奏者做了什么，而非把声波录下来^[1]。

标准MIDI文件与设备之间实时传输的MIDI通信协议并不相同：后者是即时的串行消息流，前者则为每个事件附加了时间戳，使其可以脱离硬件按顺序回放^[1]。规范同时支持乐曲、序列、轨道结构以及速度和拍号等信息，轨道名称、版权声明、歌词等描述性内容也可以一并存入文件^[4]。

原理

文件采用分块(chunk)结构，每块以一个4个字符的类型标识开头，随后是4字节的长度字段，长度只计算其后的数据部分^[5]。整体结构可表示为 $\text{SMF} = \text{MThd} + \text{MTrk}^{+}$，即先有一个头块，再跟随一个或多个音轨块^[6]。头块固定长度6字节，内含格式类型、音轨数量和时间分辨率三项16位数据^[6]。

flowchart LR

A["MThd 头块<br/>格式 / 轨道数 / 时间分辨率"] --> B["MTrk 音轨块 1"]

B --> C["MTrk 音轨块 2"]

C --> D["…"]

B --> E["增量时间 + 事件"]

C --> E

音轨块内的每个事件由「增量时间」加「事件」构成，增量时间表示距上一事件经过的计时单位数，并以可变长度方式编码以节省字节^[6]。事件分三类：通道消息(如音符开、音符关、控制器、音色切换)、系统独占消息，以及供音序软件读取的元事件^[6]。元事件以0xFF开头，可承载速度设定、拍号、调号、歌词、版权声明和轨道结束标记等内容^[6]。

时间分辨率的取值决定计时方式：最高位为0时，低15位表示每四分音符的滴答数；最高位为1时，则改用与SMPTE及MIDI时间码一致的帧率与每帧滴答数，便于与影视画面同步^[5]。每个音轨块最多可携带16个MIDI通道的数据，多轨结构正是为容纳超出16通道的编配而设^[1]。

发展历程

MIDI本身作为乐器间串行通信的规范在1983年确立，标准MIDI文件格式随后在协议之上补充了时间戳与文件封装，使演奏数据能在不同程序与不同计算机之间交换^[7][4]。该规范由MIDI制造商协会(MMA)发布并受版权保护，日文版则由日本方面的音乐电子事业协会负责^[2]。

格式最初规定了0、1、2三种类型：类型0把全部通道合并进单一音轨，类型1为多条同时播放的音轨，类型2为若干彼此独立的单轨段落^[5]。其中类型0便于直接顺序读取，类型1利于分轨编辑，类型2在实际使用中未能推广^[1]。

为解决同一文件在不同音源上音色错位的问题，MMA与日本MIDI标准委员会在1991年推出通用MIDI(General MIDI)规范，将128个音色编号与乐器对应关系固定下来，并规定通道10专用于打击乐^[8]。该规范要求兼容设备至少具备24个复音、可同时使用全部16个通道，并响应力度与若干控制器消息^[8]。后续又出现了扩展版本GM2，部分厂商还各自提出了兼容性更细的扩展方案^[1]。

MIDI 1.0的详细规范文本在1996年整理出版，标准MIDI文件规范被收入其中^[9]。近年来，基于通用MIDI数据包的新文件形式也被提出，用于适配新一代协议^[4]。

应用

MIDI文件最常见的用途是交换带时间信息的演奏数据，因此成为网络上流传的乐曲载体之一，也被用于现场演出中的伴奏播放^[1]。文件由软件或硬件播放器载入后，交由与之相连或内置于播放器的音源引擎发声^[1]。

在音乐制作环节，编曲通常在数字音频工作站或音序软件中完成，再通过另存或导出功能生成标准MIDI文件；主流工作站软件以及数码钢琴、合成器、工作站等硬件普遍具备读写能力^[1]。文件除演奏数据外还可携带速度、每通道音色选择、控制器初值等设置信息，以及作曲者与版权等文字内容^[1]。

由于数据量小且事件可编辑，这类文件也用于乐曲的重新编排、互动创作与教学演示^[1]。在程序开发与声音化研究中，MIDI消息与文件结构常被直接用于参数映射与控制^[10]。

局限

MIDI文件不记录任何音频采样，因此无法保存人声、实录乐器等真实声音本身，它只能描述演奏动作^[11][12]。回放效果取决于所用音源的音色库与合成方式，若音色库中缺少某件乐器，对应音符可能完全不出声，若编号对应关系不同则会奏出别的音色^[13]。

同一文件在两套系统上的听感可能差异明显，除非两边的合成器相近，否则听到的结果未必符合创作者本意^[1]。通用MIDI及其后续版本正是为缩小这种不可预期性而制定，但它只能保证编号与基本行为一致，并不保证音色质量相同^[8]。

在浏览器环境中，网页媒体元素普遍不包含MIDI合成能力，直接播放标准MIDI文件通常无法出声，需要先行渲染为音频格式，或借助音源另行处理^[3]。此外，该格式并未被注册进互联网号码分配机构的音频媒体类型标准树，实际使用中依赖既有的通用约定^[3]。

格式本身也较为朴素，部分设备专属参数的设定需要借助系统独占消息，这类消息的内容随硬件而异^[14]。串行传输在同时触发大量事件时还会带来时间偏差，多通道同时发声时靠后的通道会被推迟^[15]。

参见

• MIDI —— 本格式所封装的演奏指令所依据的通信协议与硬件接口标准。

• 通用MIDI —— 统一音色编号与通道用途的规范，用于提高文件回放的一致性。

• 合成器 —— 读取MIDI事件并实际生成声音的音源设备或软件。

• 音序器 —— 录制、编辑MIDI演奏数据并导出为MIDI文件的软件或硬件。

• 数字音频工作站 —— 常以导入导出方式读写MIDI文件的音乐制作环境。

• SoundFont —— 常见的声音库格式，为软件合成器提供GM音色。