Apple Developer onepage / WWDC26
Music UnderstandingOn-device MLAudio
WWDC26 · SESSION 253 · 16:40

讓 app 聽懂音樂,不必自己養一套音訊 ML

Music Understanding 將節拍、調性、曲式、速度感、樂器活動與響度分析封裝為裝置端 API;影音剪輯、DJ 和遊戲都能把它直接變成互動與視覺節奏。

// 一句話結論

這個框架的真正價值,是把昂貴又專業的訊號處理與模型推論藏在系統後面,讓開發者以時間標記的結果,快速做出私密、離線且能隨音樂變化的功能。

Apple Developer · YouTube Short · 2026-07-18(台北)Apple Developer 官方 session 與逐字稿
Content map

影片在解的不是「辨識歌曲」,而是四種產品問題

剪輯與影像

讓畫面跟著歌的結構走

節拍、段落與 pace 可當作剪輯節點;Final Cut Pro 的 beat grid 與 montage 正是用節奏、速度感、結構同步素材。

音樂型產品

把曲目變成可搜尋、可混音的資料

調性、BPM 與樂器活動可用來組織曲庫、輔助 DJ 選曲,或用更貼近聽感的條件探索內容。

遊戲與互動

讓動畫和音樂共用一條時間軸

節拍、響度與 pace 都帶時間資訊,適合驅動音訊反應式動畫;結果也能預先分析後隨遊戲內容一起打包。

隱私與可用性

分析留在裝置,離線仍可運作

框架負責 signal processing 與 ML inference,不必把音訊上傳或自建模型服務;但仍要明確管理可分析的音檔來源。

Implementation flow

把分析結果接進 app 的最小路徑

1

決定要分析哪些維度

六種輸出是 key、rhythm、structure、pace、instrument activity、loudness。先從能改變 UX 的一兩項開始;針對性 analyze(for:) 可避免不必要計算。

2

由 AVAsset 或自訂 AudioProvider 建 session

一般檔案可用 AVURLAsset;串流或自有管線則提供會產出 PCM buffer 的 AsyncSequence。需正確送出結尾 nil。

3

把時間型結果映射到產品畫面

TimedValue 對應單一時間點,RangedValue 對應一段區間。這讓播放頭、節拍提示、段落轉場與活動圖可以共用同一個時鐘。

4

只在需要即時回應時使用串流

響度可透過 loudnessResults 以每 100ms 的節奏送出。其他場景則先完成分析、再快取或輸出 Codable JSON,讓播放期更穩定。

六個 primitive:從音樂術語到介面訊號

Rhythm 產生 beat、bar 與可選的 BPM;Structure 將歌曲拆成 section、segment、phrase;Key 則以區間回傳 tonic 與 major/minor。這些輸出適合做節拍格線、段落式編排與曲目篩選。

Pace 描述聽起來的速度/能量,而不只是 BPM;Instrument activity 可回傳樂器是否存在的範圍或 0–1 的強度;Loudness 同時有整體、瞬時、短期與峰值量測。兩者可讓動態視覺與遊戲特效避免只靠音量跳動。

實務上,請不要把 pace 當作 BPM 的替代品,也不要把 instrument activity 解讀成分離後的單軌音源。它們是為產品互動提供的分析訊號,應以可理解的視覺與容錯設計呈現。

可靠性與遷移注意事項

輸入精度

檔案 URL 請要求精準時間資訊

官方 sample 以 AVURLAssetPreferPreciseDurationAndTimingKey 建 asset;時間軸是這個框架的核心,粗略的 asset timing 會直接傷害同步體驗。

Optional 結果

結果存在不等於一定有值

SessionResult 的各維度是 optional。指定 targeted analysis 時,未要求的欄位會是 nil;例如 BPM 也可能因素材不足而無法估得。

效能

不要預設全量分析

互動 UI 只要 loudness 或 rhythm 時,限制分析範圍與快取結果。把完整分析留給匯入、預處理或使用者明確要求的功能。

資料與體驗

先確認授權與失敗狀態

音檔無法讀取、格式不適用或分析失敗都應有 UI fallback;上傳、匯出 JSON、或將結果隨內容發佈時,也要遵守音檔與衍生資料的權利範圍。

可立即驗證的 prototype

從官方 Music Understanding Lab 開始:挑一段本機音檔,先做 rhythm + structure 的播放頭視覺化,再加上 pace 控制片段切換。若這條最小流程能穩定同步,才加入樂器活動與響度的細緻動畫;這比一開始把六種結果全畫出來,更容易評估產品價值與裝置成本。

章節與來源

官方影片章節:0:00 導覽、1:39 音樂特徵、3:19 framework integration、3:55 Music Understanding Lab。主要依據為 Apple Developer「Meet the Music Understanding framework」官方影片頁、逐字稿與 code snippets,以及 Music Understanding Lab 範例文件;嵌入影片為 Apple Developer YouTube Short。

TL;DR