如果你手里有一首特别想“做成谱子”的歌，比如 M2U 的 Gypsy Tronic，第一反应可能是：打开谱面编辑器，把音符沿着时间轴铺上去。但真做起来你会发现，10 秒之后就开始乱套——BPM 是多少？重拍在哪个位置？Breakdown 之后要不要突然加密？双押和长条放哪里才像原曲？
这就是“DIY 谱面”和“把音符丢进时间轴”的本质区别：前者是工程，后者是涂鸦。特别是 EZ2AC 这类老牌街机音游，谱面不仅关乎节奏，还关乎玩家在 4K、5K、7K、10K 不同键位下的可读性、指力和反馈预期。想要让一个自制谱像人做出来的，而不是像随机生成器吐出来的，你需要先把歌曲拆成结构清晰的节奏骨架，再决定每一段落的物件密度与配置。
这篇文章会用 Gypsy Tronic 作为案例，拆解一份 DIY 谱面从“听歌数拍”到“生成草稿”再到“试玩验证”的完整流程。整个过程包括音频预处理、节拍检测、谱面草稿生成、参数校验和排错思路，同时会提供可复制的 FFmpeg、Python 与 JSON 示例。读完你可以直接上手，用它去处理任意一首自己想要做成谱面的曲目。
1. 这篇文章真正要解决的问题
很多人接触“自制谱”时，遇到的不是不知道工具，而是不知道从哪一步开始。常见的误区有三个。
第一个误区是：拿到歌先找谱面编辑器，而不是先分析歌曲。结果就是音符铺到一半发现 BPM 设错了，整张谱面全部偏移；或者 Intro 和 Drop 的密度完全一样，玩起来像一条直线，毫无音乐性。
第二个误区是：把“音符合拍”当成全部目标。实际上，音游谱面的“合拍”只是最低要求。判断一张谱面好不好，还要看密度曲线是否跟随音乐段落变化、双押和楼梯是否落在自然重音上、长条是否给玩家预留了读完的时间。这些因素很难靠手动一格一格对齐去保证。
第三个误区是：低估了工程化工具的作用。BPM 检测、节拍提取、音符网格吸附、密度统计、难度预估，这些都可以用脚本自动化。虽然自动化不能替代审美，但它能帮你把重复劳动压缩掉，把精力留给真正需要判断力的地方。
因此，这篇文章要解决的不是“Gypsy Tronic 官方谱面长什么样”，而是“如果我想为这类歌曲做一份自制谱，应该如何系统性地完成分析、生成、验证和迭代”。无论你用的是 EZ2AC 系列相关的模拟器，还是通用的谱面编辑框架，这套工作流都成立。
2. EZ2AC 与 DIY 谱面：先搞清几个边界概念
2.1 EZ2AC 是什么
EZ2AC 是韩国街机音游系列 EZ2DJ 的后续作品。它曾经在韩国街机厅有很高占有率，后来也通过模拟器和 PC 端相关玩法被更多玩家了解。它的核心特征是键位灵活：4K、5K、7K、10K 等不同模式，配合转盘、长条和连打，形成了一套和“纯下落式”不太一样的操作体系。
对于自制谱来说，EZ2AC 的难点在于：它并不只是一个“按节拍下落”的游戏，玩家需要用双手覆盖多个轨道，并且在转盘、按键、长条之间分配注意力。谱面制作人必须在编写物件时考虑手指的移动距离和手部疲劳。同一段音乐，做成 5K 和做成 10K，完全是两种编谱思路。
2.2 “Final EX”和“DIY 谱面”的含义
标题里的“Final EX”通常指 EZ2AC 系列中面向高难玩家的 EX 难度或最终修订形态。而 “DIY” 在这里更接近“自制谱面”的意思：不是官方谱面，而是玩家个人制作的谱面工程。这类谱面通常会在社区中分享、讨论、更新迭代。
需要特别提醒的是：DIY 谱面不等于可以无视版权。歌曲本身属于创作者或版权方，谱面文件也依赖原曲音频才能使用。合理的学习、交流和个人练习是没有问题的，但如果要公开发布，最好保留原曲信息和谱面作者署名，并遵守相关平台和社区规则。
2.3 为什么选 Gypsy Tronic / M2U 作为案例
M2U 是韩国音乐制作人，长期为 DJMAX、EZ2AC 等音游供曲。Gypsy Tronic 从歌名就能看出两个关键词：Gypsy（吉普赛）和 Tronic（电子感）。这种风格往往有很强的节奏驱动，旋律带有民族音阶色彩，同时又保留了电子舞曲很明确的四拍底鼓。
这种曲风非常适合作谱面分析，因为它提供了清晰的重音层、段落起伏和旋律特征。只要你能把节拍和段落识别出来，谱面的骨架基本就出来了。相比之下，极慢的抒情曲或没有稳定鼓点的氛围音乐会更难处理，因为重音不明确，玩家难以建立稳定的操作预期。
3. Gypsy Tronic 的音乐结构与谱面参数分析
3.1 先听歌，再数拍
不管后续用什么脚本检测，第一步永远是人工听歌。你需要带着问题听至少三遍。
第一遍听框架：这首歌有没有前奏、主歌、副歌、间奏、Breakdown、Drop？每个段落大概持续多少个小节？第二遍听重音：底鼓在哪个位置？军鼓或 clap 在哪个位置？旋律有没有明显的重音偏移或切分？第三遍听细节：有没有只出现一次的特殊音色？有没有由弱渐强的推进段？这些细节往往决定了谱面中的亮点配置。
数拍的方法很简单：找到底鼓的稳定律动，以四分音符为单位数“1、2、3、4”。如果能明显感觉到每四拍一个循环，那就是 4/4 拍。大多数电子舞曲都是 4/4 拍，Gypsy Tronic 这类带舞曲底子的歌曲大概率也在这个范围。你需要记录的是：每 4 拍构成 1 个小节，8 个小节通常构成一个段落。这是音游谱面最常用的结构单位。
3.2 BPM、小节与段落
BPM 表示每分钟多少拍。它是所有谱面参数里最基础、也最不能错的一个。如果 BPM 不对，后面所有音符位置都会整体漂移。你既可以用工具检测，也可以手动对拍验证。
假设这首歌检测出的 BPM 在 170 到 190 之间，那么一拍的时间大约是 0.32 到 0.35 秒。对于高难度谱面，这意味着 16 分音符之间的间隔只有 80 毫秒左右，玩家需要在极短时间内完成连续输入。这样的速度天然决定了：同一时间不能塞过多物件，否则手指分配不过来。
段落划分上，常见结构是：
| 段落 | 小节数 | 听感特征 | 谱面思路 |
|---|---|---|---|
| Intro | 8 小节 | 节奏稀疏，主题旋律进入 | 以单键、基础节拍为主，让玩家热身 |
| Build Up | 8 小节 | 底鼓逐渐加密或加音量 | 物件密度递增，加入少量双押 |
| Drop | 16 小节 | 重音密集，能量最强 | 高密度配置，双押和楼梯交错 |
| Breakdown | 8 小节 | 配器变薄，旋律突出 | 降低密度，用长条和单键表现旋律 |
| Outro | 8 小节 | 逐渐收束 | 回归稳定节奏，干净收尾 |
这里的小节数只是示例，实际要以歌曲听感为准。你在自己做谱时，可以把段落标记记录在表格里，方便后续分配谱面密度。
3.3 从段落结构推导铺底思路
段落结构的意义在于：它能直接告诉你谱面密度曲线应该怎么画。
Intro 阶段玩家刚进入游戏，视线和手指都需要适应。这时的谱面应该“清楚、稳健”，让玩家能顺利跟上。Drop 阶段是全曲能量最高点，谱面需要给出密集的输入反馈，让玩家感觉到“爆发”。Breakdown 阶段如果继续保持高密度，玩家不仅会累，还会觉得谱面没有呼吸感。所以在真实编谱中，Breakdown 往往用长条和旋律音来带节奏，而不是继续堆叠 16 分音符。
这就是为什么“先分析结构，再铺音符”比“直接铺音符”高效得多。你只要确定了每个段落的密度区间，剩下的事情就是在小节内部做取舍：哪个音对应楼梯，哪个音对应双押，哪个音留给长条。
4. 环境准备：音频处理与节拍检测工具链
4.1 音频格式与命名规范
谱面工程的第一步是准备音频。无论最终发布成什么格式，建议统一转成单声道、44.1kHz、无损或高码率有损的音频文件。这样既方便节拍检测，又能避免在不同工具之间传递时出现偏差。
建议的工程目录结构：
gypsy_tronic_diy/ ├── audio/ │ ├── gypsy_tronic_original.ogg │ └── gypsy_tronic_48s_preview.wav ├── analysis/ │ ├── beats.csv │ └── sections.json ├── chart/ │ ├── gypsy_tronic_diy.json │ └── gypsy_tronic_diy.ez ├── scripts/ │ ├── detect_bpm.py │ ├── generate_draft.py │ └── validate_chart.py └── README.md命名规范看起来是小事，但在反复修改时非常重要。建议坚持小写字母、下划线分隔、包含版本号或日期，例如gypsy_tronic_draft_v0.1.0.json。
4.2 FFmpeg 预处理音频
FFmpeg 是跨平台的音视频处理工具。下面这行命令可以把任意音频统一转成 44.1kHz、单声道、16 位 WAV，适合后续用 Python 分析：
ffmpeg -i gypsy_tronic_original.ogg -ar 44100 -ac 1 -sample_fmt s16 gypsy_tronic_analysis.wav如果你只需要分析某一段，可以先用-ss和-t截取。例如截取从第 48 秒开始、时长 8 秒的片段：
ffmpeg -ss 48 -t 8 -i gypsy_tronic_analysis.wav gypsy_tronic_48s_preview.wav执行完成后，你可以听一下这个片段，确认它是从歌曲的哪个段落截出来的。之所以建议先裁剪再分析，是因为整首歌曲可能很长，而节拍检测算法在较长音频上偶尔会因为段落切换产生误差。分段验证往往更准确。
4.3 用 Python + librosa 做节拍检测
Python 生态里，librosa是音频特征分析最常用的库。下面是一个最小可用的 BPM 和节拍检测脚本：
# 文件路径：scripts/detect_bpm.py import json import librosa audio_path = "../audio/gypsy_tronic_analysis.wav" output_path = "../analysis/beats.json" y, sr = librosa.load(audio_path, sr=44100, mono=True) tempo, beat_frames = librosa.beat.beat_track(y=y, sr=sr) tempo = float(tempo) beat_times = librosa.frames_to_time(beat_frames, sr=sr).tolist() result = { "bpm": tempo, "beat_times": beat_times, "total_beats": len(beat_times) } with open(output_path, "w", encoding="utf-8") as f: json.dump(result, f, indent=2) print(f"检测 BPM：{tempo:.2f}") print(f"节拍数量：{len(beat_times)}") print(f"前 8 个节拍时间：{[round(t, 4) for t in beat_times[:8]]}")运行方式：
cd scripts python detect_bpm.py这个脚本会输出一个beats.json文件，里面包含检测到的 BPM 和每个节拍的时间点。需要注意，自动检测的 BPM 不一定 100% 正确，尤其当歌曲存在明显变速或半速段落时，你会看到检测结果突然变成原 BPM 的一半或一倍。这时要以人工数拍结果为准。
4.4 为什么要做自动化检测
有人会觉得：BPM 直接手动填不就好了吗？确实，如果歌曲非常平稳，手动填写更快。但自动化检测的价值不只是拿到一个 BPM，而是得到一串节拍时间点。有了这串时间点，后续就可以写程序做网格吸附、生成草稿、统计密度，甚至自动检查谱面是否对齐。可以说，手动数拍解决的是“这首歌是什么结构”，自动化检测解决的是“把结构变成可计算的坐标”。两者缺一不可。
5. 谱面编辑器与文件格式：把节奏落成物件
5.1 谱面文件的常见结构
不同音游和模拟器的谱面格式差异很大，但抽象之后都有共性：需要定义 BPM、偏移量、轨道数、物件列表。物件列表里至少包含时间、轨道、类型和时长。以通用 JSON 为例，一份最小的谱面工程可以这样组织：
{ "title": "Gypsy Tronic", "artist": "M2U", "bpm": 180.0, "offset": 0.0, "keys": 5, "notes": [] }其中offset表示音频开始播放后，第一个可操作音符出现的相对时间。如果谱面引擎要求以毫秒为单位，你可能需要把秒换算成毫秒。这些细节在不同引擎中不一样，但读懂了抽象结构，迁移成本就很低。
5.2 键位与物件类型
EZ2AC 相关谱面中，物件类型一般包括普通短键、长条、转盘和连打等。不同模式下的命名和表现不同，但设计逻辑一致：
| 物件类型 | 基本含义 | 在 DIY 谱面中的常见用法 |
|---|---|---|
| Tap | 按一下即可 | 对应四分、八分、十六分音符，构成基础节奏 |
| Hold | 按住不放 | 对应长音、持续音，常用于旋律线或低音铺底 |
| Scratch / Turntable | 转盘操作 | 强调特殊音色或过渡段落 |
| Chord | 双押或三押 | 对应重音、齐奏或段落爆发点 |
新手做谱面时最容易犯的错误是：只知道 Tap，不会用 Hold 和 Chord 来塑造段落呼吸感。实际上，长条和双押是引导玩家“读到音乐层次”的重要工具。你可以用 Tap 铺底鼓，用 Hold 铺旋律，用 Chord 标记重音，这样谱面会更有层次。
5.3 JSON 示例：一个最小谱面片段
下面是一个最小谱面片段，演示 4 个小节内的基础物件排布。这里仅用于说明通用结构，不代表任何特定模拟器的官方格式。
{ "bpm": 180.0, "tracks": 5, "notes": [ {"time": 1.0, "track": 0, "type": "tap"}, {"time": 1.5, "track": 1, "type": "tap"}, {"time": 2.0, "track": 2, "type": "tap"}, {"time": 2.5, "track": 3, "type": "tap"}, {"time": 3.0, "track": 1, "type": "hold", "duration": 1.0}, {"time": 4.0, "track": 0, "type": "chord", "tracks": [0, 2]} ] }这里time的单位是秒。如果你使用的引擎要求毫秒，需要乘以 1000。真正的谱面制作中，你还需要考虑物件之间的最小间隔，避免出现玩家无法处理的极端密度。这个检查可以通过脚本自动化完成。
6. 写一个节拍到谱面的草稿生成器
6.1 核心思路
前面已经得到了节拍时间点，现在要做的，是把节拍时间点映射成谱面物件。不要一上来就生成完整谱面，而是先做一个“草稿生成器”：把每拍或每半拍映射为一个 Tap，然后在生成结果基础上人工调整。
这样做有四个好处：
- 快速验证 BPM 是否正确。
- 快速确认段落边界在时间轴上的位置。
- 为后续人工编谱提供一个稳定的参考网格。
- 避免从空白页开始时的“选择困难症”。
6.2 代码实现
下面的脚本可以从beats.json读取节拍时间，然后生成一个最基础的 “每拍一个 Tap” 草稿。为了体现可扩展性，它还支持把某些特殊位置标记为双押候选。
# 文件路径：scripts/generate_draft.py import json IN_BEATS = "../analysis/beats.json" OUT_CHART = "../chart/gypsy_tronic_draft.json" def load_beats(path): with open(path, "r", encoding="utf-8") as f: data = json.load(f) return data["bpm"], data["beat_times"] def generate_tap_draft(beat_times, keys, two_hand_step=8): notes = [] for i, t in enumerate(beat_times): track = i % keys note = { "time": round(t, 4), "track": track, "type": "tap", } # 每两小节（假设四拍一小节）插入一个双押候选 if i % two_hand_step == 0: note["chord_candidate"] = True notes.append(note) return notes def main(): bpm, beat_times = load_beats(IN_BEATS) notes = generate_tap_draft(beat_times, keys=5) chart = { "title": "Gypsy Tronic", "artist": "M2U", "bpm": bpm, "keys": 5, "notes": notes, "total_notes": len(notes) } with open(OUT_CHART, "w", encoding="utf-8") as f: json.dump(chart, f, indent=2, ensure_ascii=False) print(f"已生成草稿：{OUT_CHART}") print(f"总音符数：{len(notes)}") print(f"BPM：{bpm:.2f}") if __name__ == "__main__": main()这个脚本的逻辑很直白：把每一拍轮流分配到不同轨道上。这样生成出来的谱面虽然单调，但至少能保证节奏对齐。你可以在它的基础上，根据歌曲的段落结构把部分 Tap 替换为 Hold 或 Chord。
6.3 生成结果
运行生成器后，你会得到一个包含几百个音符的 JSON 文件。这时候不要急着导入游戏试玩，而是先检查它是否符合预期。一个最简单的检查方式是看文件尾部是否有突然缺失或重复的时间戳。例如：
{ "time": 120.3333, "track": 0, "type": "tap" }如果两个相邻音符的时间差小于 100 毫秒，说明该处密度可能过高。你就需要在人工编谱时删除或后移其中一个。
7. 运行结果与效果验证
7.1 如何加载并试玩
不同模拟器加载谱面的方式差异很大，有的要求把谱面文件和音频放在特定目录，有的要求逐条配置键位映射。这里给一个通用建议：先阅读你所用工具的官方文档，找到“自定义谱面目录”或“User Charts”相关配置，然后把你生成的谱面文件放入该目录。
如果加载失败，最常见的三个原因依次是：
- 谱面文件格式不符合引擎要求。
- 文件编码不是 UTF-8。
- 音频文件名和谱面内引用的文件名不一致。
所以你在测试前，最好确认音频文件路径、谱面文件路径、谱面内填写的信息三者完全一致。
7.2 验证谱面可玩性的三个维度
试玩时不要只看分数，要带着三个问题去玩。
第一个问题是“对得上吗”：音符下落时，你的击打时机是否和音乐重音一致。如果有些音符总感觉提前或延后，可能是 BPM 有误，也可能是 offset 设置不对。
第二个问题是“读得清吗”：当音符密集出现时，你能否分清每个音符属于哪根轨道。如果视觉上变成一片“雨幕”，说明相邻音符间隔太近，需要降低密度或调整轨道分配。
第三个问题是“跟得住吗”：从歌曲前奏到 Drop，你的手部疲劳感是否在递增？如果 Drop 还没到，你已经累了，说明前面的热身段密度太高。很多 DIY 谱面的问题不是单点难，而是整张谱面的体力曲线不合理。
7.3 用脚本做基础校验
除了人工试玩，你还可以用脚本自动检查一些硬性指标。比如检查所有音符时间是否单调递增，以及最小时间间隔是否低于阈值：
# 文件路径：scripts/validate_chart.py import json CHART_PATH = "../chart/gypsy_tronic_draft.json" def validate(chart_path): with open(chart_path, "r", encoding="utf-8") as f: chart = json.load(f) notes = chart["notes"] times = [n["time"] for n in notes] if any(times[i] > times[i + 1] for i in range(len(times) - 1)): print("错误：存在时间戳逆序") return False min_gap = None for i in range(len(times) - 1): gap = times[i + 1] - times[i] if min_gap is None or gap < min_gap: min_gap = gap print(f"音符总数：{len(notes)}") print(f"最小间隔：{min_gap:.4f}s") if min_gap is not None and min_gap < 0.08: print("警告：存在极小间隔，请检查是否超出了玩家可操作性") return True if __name__ == "__main__": validate(CHART_PATH)运行：
cd scripts python validate_chart.py如果输出显示最小间隔低于 80 毫秒，你就要在人工编谱阶段调整这些位置。校验脚本虽然不能判断谱面好不好玩，但能拦截明显不合理的数据错误。
8. 常见问题与排查思路
| 问题现象 | 可能原因 | 排查方式 | 解决方案 |
|---|---|---|---|
| 音符整体晚于音乐 | offset 设置过大 | 在谱面引擎里调整偏移量 | 将 offset 减小，或重新检测起始重音位置 |
| 音符整体早于音乐 | offset 设置过小 | 在谱面引擎里调整偏移量 | 将 offset 增大，并再次试玩确认 |
| 段落中间音符越来越歪 | BPM 检测偏差 | 对比段落首尾的误差 | 用更长时间段重新检测，或按段落拆分 BPM |
| 音符太密集看不清 | 密度曲线不合理 | 查看最小间隔与密度热力图 | 删除或后移部分音符，降低该段密度 |
| 长条经常断连 | 长条与相邻音符间隔太短 | 检查长条结束点后一个音符的时间 | 增加间隔，或把长条结束点调整到更自然的拍点 |
| 加载后没有声音 | 音频路径或格式不匹配 | 检查配置文件和音频文件名 | 统一文件名、格式和存放目录 |
| 玩到一半突然卡顿 | 谱面文件过大或事件过多 | 检查 note 数量是否异常 | 合并重复时间点，删除无效事件 |
如果你遇到的问题是“整体偏移”，先不要动单个音符。整体偏移通常说明 BPM 没问题，只是 offset 没对齐。逐音符手改偏移是非常低效的，正确做法是回到谱面引擎的全局参数里修正。
9. 最佳实践与工程建议
9.1 从歌曲结构出发，而不是从手癖出发
很多新手做谱面时，会不自觉地把自己喜欢的配置反复使用。比如每一段都塞满 16 分楼梯，觉得这样很爽。但玩家玩完整张谱面的感受往往是“怎么全是楼梯”。更好的做法是：先按歌曲结构规划密度曲线，再在具体段落里选择配置类型。让你觉得爽的配置，应该留给最合适的段落，而不是全程出现。
9.2 用版本管理保存谱面工程
谱面制作是一个不断试错的过程。你用 Git 管理谱面工程，可以随时回退到上一个“能玩”的版本，也能清楚看到每轮修改改了什么。下面是一个初始化命令示例：
git init git add -A git commit -m "初始版本：完成节拍检测与第一版草稿"后续每修改一轮，就提交一个版本，例如v0.2.0 调整 Drop 段密度。这比手动复制chart_v1_final_最终版.json靠谱得多。
9.3 尊重原作与版权边界
这一点要放在所有操作之前。DIY 谱面的前提是你已经合法获得了歌曲音频。公开发布时，要尽可能保留原曲名、作者、谱面作者等信息，并说明这是非官方自制内容。不要在标题里使用容易让人误解为官方谱面的命名方式。如果社区或平台有明确的谱面分享规范，务必先读一遍。
9.4 建立自己的难度校准集
“这张谱面是 5K 高难还是 10K 中难？”这个问题只靠感觉是说不清的。建议你找几首官方谱面作为参照，记录它们在相同键位下的音符数、密度峰值、长条占比和 BPM，然后把你的自制谱和这些参照放在一起对比。有了校准集，你的难度标注会更有说服力，也方便玩家选择合适的谱面。
10. 总结与后续学习方向
回到 Gypsy Tronic 这个案例。如果你是第一次为这首歌做 DIY 谱面，最值得投入时间的不是找更多华丽配置，而是把歌曲结构、BPM、节拍点和段落边界彻底吃透。先让程序帮你生成一个“单调但正确”的草稿，再逐步把它改造成有呼吸感、有爆发点、适合目标键位的谱面。
后续你可以继续深入的方向包括：分析更多 M2U 或同类作曲家的曲目，总结他们的段落编排习惯；学习更复杂的谱面格式转换与压缩工具；研究谱面难度评价算法；甚至把你积累的谱面工程变成一套可复用的模板。音游谱面制作看起来是“玩游戏”，实质上是一场对音乐和交互设计的长期练习。别急着做一张几千 note 的高难关卡，先完整交付一张能让人顺畅玩完的 5K 谱面，你会发现后面的一切都会更快。
