語音是許多人幾乎以理想的方式學習的“樂器”。我們從年輕開始，並經常練習它-甚至說教您如何控制聲音的音調。而且由於它是每個人都擁有的一種樂器，幾乎每個人還學會了在各種環境中唱歌的能力，從在幼兒園唱歌的韻律，到在學校集會中唱歌或作為運動人群的一部分唱歌，更不用說那些在學習中多一點的人了

語音也是我們可以直接控制的一種工具。我們不必擔心諸如手指位置之類的事情-通過適度的練習，大多數人會開發出關於如何控制聲帶以擊中特定音符的潛意識思維圖。它幾乎變成了一種“思想控制”的工具。由於控制的即時性，我們也可以很快地進行調整，因此與其他工具相比，較小的錯誤可以被更不明顯地糾正。

由於所有這些內置在身體上的好處給人帶來了好處，很多人（也許大多數人）確實有能力唱出一首曲子。

但是，我認為您低估了專業水平音樂家正在用耳朵重現音樂，正如大衛·鮑林（David Bowling）所說，我希望大多數專業的樂器演奏家都能用相似的準確度在他們的樂器上播放音樂。

為什麼我必須在樂器上用音高進行實驗才能重現耳朵的音調？

可能僅僅是因為您沒有足夠的經驗來用樂器耳邊聆聽音樂！要做到這一點，您可能需要從各個角度學習。一個角度是進行一些耳部訓練，以幫助在聲音和音階概念之間進行映射。另一個練習是在樂器上練習音階和琶音，以加強音符概念和手指物理位置之間的映射。練習即興演奏也將有助於使您的演奏更具直覺。即使是一些非常“被動”的練習（例如在電視上看電視時在樂器上點一下手指）也將有助於解決這個問題。

我會認為這取決於聲帶和樂器之間的相對經驗。與使用任何其他樂器相比，我在使用人聲和弦進行聲音製作方面經驗更為豐富，因為我一生中的每一天都在使用它們進行交談。

正如您所說：即使沒有受過訓練的人也能夠重現音樂（唱歌或吹口哨）。通過我們的語言習得，這一定是無條件的反射。

與您的假設相反，某些音樂家可以與自己的樂器並駕齊驅，這樣他們可以演奏所聽到的每首樂曲而無需反思（就像您能夠再現樂曲一樣。

對於大多數人而言，他們需要掌握音調和相對音調，以識別旋律的音調。

您唱歌或吹哨的音符名稱的反映在樂器上彈奏正確的音調或鍵是必要的。要經過多年的練習才能成為有條件的反射。

我們用聲音產生聲音的方式是地球上最簡單的事情：如果您想低聲唱歌，則應盡可能張開嗓子，然後逐漸閉合以產生更高的聲音。因此，您只需要唱歌就可以識別自己是太低還是太高。

另一方面，當您彈奏鋼琴之類的樂器時，您無法將音符調節為就像您唱歌時一樣快。因此，如果您演奏的音調太低，您將不得不猜測它的音調太低了，如果您沒有立即得到（可能會發生），則必須這樣做一次又一次。這將比調整您的喉嚨時間花費更多的時間。

我認為這也是為什麼有人開始吹口哨時，他變得非常快的好方法，即使他沒有從小就練習。

如果您演奏薩克斯風，單簧管，巴鬆管，小號或其他帶有囊袋的樂器，請嘗試只用囊袋播放一首歌，您會發現這並不難（即使有些沒有

所以是的，我想這就是聲音的工作方式，使其易於使用。

唱歌是單聲的-一次僅一個音符。鋼琴，吉他和鼓等可以一次演奏很多音符。每個額外的音符都會由另一個人來演唱。

此外，您在唱歌時還可以立即感覺到該音符是否正確，如果打錯了，可以迅速滑動到適當的音符。在樂器上打錯了音符，通常無法自救-這是錯誤的，也無法將其隱藏起來。

但是，只要您的樂器是單音的，您最終將達到可以“

使用可以同時演奏2個以上音符的樂器，您將始終不得不“只是學習和練習它”……這會變得更加困難，因為您正在做很多事情立刻。

歌手很簡單（好的，抱歉，噓）。

從計算角度考慮這一點。

語音是您的內置默認輸出，它從頭開始進行了優化，以提高操作系統和硬件中的電源效率和指令周期效率。

現在考慮在樂器上複製音樂。儀器是從未在其操作系統或運行硬件上進行過優化的外部硬件。在計算世界中，使用新的外圍設備要么涉及加載驅動程序（在操作系統級別上為插件），要么使用外圍設備隨附的程序（應用程序層接口）。

具有良好音調的人們可以與為新的外圍設備（儀器）使用高效的操作系統級驅動程序相比。很好，儘管比硬件優化慢。

其他所有對象（沒有完美的音調）都可以與使用應用程序層接口（特定程序）控制外圍設備（儀器）進行比較。與操作系統級別的驅動程序或硬件優化相比，性能較慢和最差。

或者考慮面向數據的觀點。

音頻輸入基本上是模擬的，出於討論目的，假定大腦以簡單的模擬格式（類似於計算機上的WAV文件）存儲音頻輸入。語音輸出本機接受相同的模擬格式，這意味著在回音時幾乎沒有處理開銷。

將音符視為數字（邏輯）格式-音符開始/結束標記序列。要演奏樂器，您必須運行以下算法。為了簡單起見，假設您一次只演奏1個樂器。

 樂器D = getCurrentInstrument（）。open（）P = NoteInputStream（AnalogAudioInputStream（input song），D）而為true時：注意N = P.nextNoteMarker（）如果N == null，則退出，否則退出，如果N.isBegin然後D.holdNoteAfterDelay（N，N.delay）否則，如果N.isEnd然後D.releaseNoteAfterDelay（N，N.delay）  

偽代碼看起來很簡單。但是到底是怎麼回事？複雜性在上面的API函數中。

getCurrentInstrument（）是一個函數，它返回對您手中儀器的引用。比較簡單。 instrument.open（）函數完全是另一回事。這會加載樂器的驅動程序-換句話說，您必須“回憶”如何演奏樂器。這包括將邏輯音符在心理上映射到您在樂器上產生音符所要做的任何事情（可能是反向查找表）。如果樂器包括同時按住和釋放許多音符（例如鋼琴），這還包括弄清楚如何優化手指以壓下一組音符。因此，instrument.open（）需要大量的處理能力和短期內存（RAM）。

AnalogAudioInputStream（audioInput）可以接收模擬音頻輸入並將其轉換為數據的“流”。

NoteInputStream（analogInput，instrument）接收上述模擬音頻流和一個樂器，並從模擬輸入中提取指定樂器的音符。這是完美音調的體現，它可以識別“主要”樂器並將其頻率實時映射到邏輯音符。

每個音符都表示為鍵，八度，處理前的延遲和開始/ end標誌，表示音符是表示按下還是停止按下。

在樂器上播放模擬輸入：在提取的節點上循環並在樂器上按住/釋放根據指示。保留/釋放音符操作的複雜性在很大程度上取決於樂器，並且顯然如果手指用完或輸入太可笑，可能會失敗。

用您的聲音，您可以感覺您唱歌的音符。但是，在鋼琴或吉他上，您不能只是簡單地感覺到您想演奏哪些音符。首先，您必須了解樂器上的音符（例如，鋼琴上的哪個鍵是 C ），要演奏的八度音階（例如， C1 ， C2 ， C3 等），然後必須演奏哪些音符才能重現旋律。

如果不這樣做，這並不容易。具有完美的音調，因為您只能猜測要彈奏的音符。

但是，如果您具有良好的相對音調，這意味著您可以根據間隔來猜測音符，那麼您可以

但是，如果您沒有完美的音調或良好的相對音調，那麼這是一個困難的過程。用您的聲音，您可以感覺到想要敲打的音符，因為它是您的身體，對您來說很自然。但是鋼琴，吉他或任何其他樂器不是您身體的一部分，因此對您而言也不自然。因此，您只能猜測要彈奏的音符。

您的相對音高可能沒有得到很好的訓練。您可以進行簡單的耳部訓練練習，在其中得到起始音符（或和弦），然後播放簡短的旋律。然後，您必須演奏旋律。皇家音樂學院（RCM）有很好的練習可以利用。您可以找到名為“四星”的好書。您也可以在互聯網上查找簡單的耳部訓練練習。

即使您是該樂器的大師，如果您的相對音調不是很準確並且您沒有完美的音調，那就可以解釋為什麼您遇到困難了。

這是我問自己一個很好的問題。我的理論是，它歸結為肌肉記憶。從小開始，您就一直在練習吹口哨/嗡嗡聲，因此您可以立即將自己頭腦中的音調轉換成嘴巴。這和唱歌一樣。我們大多數人都可以用收音機中的任何歌曲來唱歌。

使用樂器，與完美音調無關。只是沒有發展出肌肉記憶，所以您會摸索正確的音調來發出已經在腦海中的聲音。但是，演奏越多，您越會練習各種音階，尤其是用耳朵演奏時，您甚至在放下手指之前就越會記住該音符的聽起來。一段時間之後，經過足夠的練習和時間，您將可以用儀器“細細品味”。但是，即使是那些音調完美的人，也需要用樂器來訓練手指，以獲取肌肉記憶，從而實時播放所聽到的聲音。