这是一款在浏览器里运行的 AI 音频服务，把唱出来、哼出来或上传的人声录音重建成一段乐器演奏。厂商对转换过程的描述是：模型从人声中提取旋律、音高、节奏与力度，再用所选乐器的音色与质感生成一段全新音轨，因此结果会逐音跟随原本的人声旋律。全程无需安装任何软件，官方也说明首次转换可以不注册账号直接试用。
转换器只是同一域名下更大一套 AI 音频工具集的一环，该站还提供音乐生成、歌曲与歌词创作、翻唱制作、分轨、去人声、卡拉OK、音效、母带处理与节奏分析等工具。这一点会直接影响套餐判断：一份积分余额在所有这些工具之间共用，并非专供乐器转换使用。
有一条结构性提醒必须放在最前面：本站的公开页面在两个直接影响购买决策的数字上互相矛盾——乐器到底有多少种，以及上传文件最大能有多大。这两处冲突在下文有完整记录，也正是本文若干数据以「页面之间的区间」而非单一数值呈现的原因。
官方描述的行为是音色替换，而不是生成伴奏：演奏中的每个音符、节奏与力度都被保留，只把人声音色换成乐器音色。厂商称这些模型是在数千小时真实乐器演奏上训练出的神经网络，用于还原每种乐器的共鸣、起音与延音特征。
乐器专页对表现力的映射说得更细。吉他页面把音高提取描述为识别每一个唱出的音，包含滑音、颤音与推弦：人声的滑音会变成吉他滑音或击弦，人声颤音则映射为琴弦颤音。该模型被描述为在摇滚、蓝调、爵士与古典等风格的专业吉他录音上训练而成。
首页、转换器与 FAQ 都宣称有 100 种以上的乐器模型，点名包括木吉他与电吉他、三角钢琴、小提琴、大提琴、长笛、萨克斯、小号、单簧管、鼓组、贝斯、尤克里里、竖琴与合成器音色，并称音色库每月扩充。价格页对同一产品的描述却是提供 13 种以上 AI 乐器模型。页脚实际发布的乐器专页正好十三个——钢琴、吉他、小提琴、萨克斯、鼓、长笛、大提琴、小号、贝斯、单簧管、电钢琴、颤音琴、双簧管——配套的浏览器扩展列出的也是同样这十三种。
录音通过浏览器麦克风完成，也可以把文件拖进转换器。官方称多数任务在 30 到 60 秒内完成，具体取决于片段长度与服务器负载；另一处功能文案则声称支持批量转换、任务之间无需等待。成品可下载为无损 WAV 或压缩 MP3，OGG 与 FLAC 也在导出格式之列。
任务完成后生成的音轨会自动在完整 Studio 中打开，多轨编辑就在那里进行。所有付费档位都包含 Studio 使用权，但多轨混音导出被排除在入门档之外，从中间档才开始提供。入门档另外附带 AI 音乐与翻唱生成、HD 下载，以及一个厂商称为 Lumi 的助手。
官方的录音建议异常具体，是本站最接近质量约定的内容。清晰的单人声录音、无背景噪音时转换效果最好；以平稳音量哼唱；避免耳语或喊叫，因为极端的力度变化会降低准确度；在安静房间中距麦克风约 15 厘米处录制。手机录音与语音备忘录被认为足以应付大多数乐器，上传的应是不含伴奏与混响的干声。
一段录音可以只上传一次，然后针对任意多种乐器反复转换。官方记录的流程是分别哼出各个声部，把这些素材转成吉他、钢琴、贝斯与鼓组音轨，再叠成一首完整编曲。由于每次转换固定消耗五个积分，成本随声部数量与试音次数增长，与录制时长无关。
记录得最具体的用途是前期试音：一条人声草稿被并排转换成钢琴、弦乐、铜管与合成器版本，制作人据此在定案编曲前选定方向。在视频发布场景中，官方的论据是用自己的声音生成的乐器音轨可以规避版权警示、内容识别申诉与授权成本。
播客制作的定位是片头音乐、段落转场与氛围铺底：哼出几段旋律，转成温暖的钢琴或柔和的吉他。在教学中，学生对着麦克风演唱后立刻听到同一旋律变成小提琴、长笛或钢琴，音色对比因此成为一项现场练习。游戏与应用开发者被引导去哼出主题旋律，再转成管弦乐或合成器音色，而不必聘请作曲者。
产品面向能用嗓音唱出旋律、但不一定会演奏乐器的人。官方给出的门槛只是能哼或能唱；宣称不需要乐理或制作技能，并把用户描述为包含没有正规音乐背景的词曲作者、内容创作者与业余爱好者。点名的群体是词曲作者与作曲人、YouTube 与 TikTok 创作者、音乐制作人、播客创作者、音乐教育者，以及游戏开发者。
有三类情况适配度较弱，理由来自已记录的产品行为而非主观判断。需要可编辑音符而非成品音频的人不适合，因为输出是渲染好的音频，转换器也没有公开 MIDI 导出。素材是完整复音混音而非单一人声的人与输入要求相悖，官方要求的是干净的单人声。至于任何需要先把权属条款写清楚才能开工的流程，都会撞上「注意事项」中描述的授权空白——一份带推广关系的第三方目录评测得出了相同结论，指出权属敏感的工作流正是需要先把版权、所有权与数据处理条款讲清楚的场景；那是目录条目而非独立验证。
服务只在浏览器中运行，官方称可在任何设备上使用，无需安装软件、无需插件。站上没有发布桌面客户端、移动应用、DAW 插件或公开 API。
配套的 Chrome 扩展在 Chrome 网上应用店以 voicetoinstrument.com 为发布者名义分发。它是启动器而非处理工具：在任意音频或视频上提供右键菜单入口、一个列出全部乐器页面的工具栏弹窗，以及 Alt+Shift+V 快捷键（macOS 上为 Option+Shift+V），转换仍然在网站上完成。其商店说明称扩展仅申请 contextMenus 权限，不读取页面内容、不注入内容脚本、不追踪浏览行为、不发起后台网络请求、不收集数据，源码以 MIT 许可发布。装机量很小——59 位用户、两条评分——因此那个五星分数所依据的样本，远达不到能构成有效质量信号的规模。
同一份商店说明也披露了底层技术：它写明该网页应用支持 MiniMax 驱动的音乐生成与 Kits AI 的人声转乐器转换。这一点对预期管理很重要，因为被授权引擎的能力边界，未必与承载它的站点的营销文案完全一致。
访问采用积分制。官方发布了三个订阅档位，每档都同时标出月付价与按年结算后的等效月费，年付开关标注为节省 15%。此外还有一个按量付费选项与月付、年付并列。
| 套餐 | 月付 | 年付（每月） | 每月积分 | 主要包含 |
|---|---|---|---|---|
| Starter | $19.9 | $14.9 | 100 | 多轨 Studio、13+ 乐器模型、AI 音乐与翻唱生成、HD 下载、Lumi 助手 |
| Creator | $49.9 | $39.9 | 350 | 含 Starter 全部，另加多轨混音导出与邮件支持；标称单位积分便宜 28% |
| Pro | $99.9 | $79.9 | 1,000 | 含 Creator 全部，另加优先邮件支持与新功能抢先体验；标称单位积分便宜 50% |
有两处细节决定这些数字对具体工作量是否成立。积分按月刷新、订阅可随时取消，但价格页从未说明一次转换要花多少——这个数字只出现在转换器界面里，那里一次任务标价五个积分。据此推算，入门档每月约可支撑二十次转换；而由于同一份积分还要支撑该工具集的其他功能，只要同时使用多个工具，实际次数就会更低。一份带推广关系的第三方目录评测指出了同一处缺口，称该站并未公开说明每次转换的确切积分消耗；那不是独立验证，只能当作线索。
Kits AI 的位置比较特殊：扩展说明把它点名为本产品背后的转换引擎，而它本身也可以直接购买。其乐器页面记录的流程是一样的——选择模型、上传音频或用麦克风录制、拿到乐器分轨——并明确要求提供清晰的单音人声文件。它的授权表述比本产品公开的更直接：只要被转换的音频归你所有，产出即为免版税。该处付费方案自每月 14.99 美元起。
Spotify 的 Basic Pitch 回答的是另一个问题。它是一款免费、开源的音频转 MIDI 工具，带弯音检测，可以录一段哼唱、或放入一段单一乐器的录音，再下载 MIDI 到 DAW 里修正。本产品返回的是成品音频，Basic Pitch 返回的则是可编辑音符、不含音色——当旋律本身还需要修改时，这才是更合适的取舍。
乐器数量在首页、转换器与 FAQ 上写作 100+，在价格页上写作 13+；而十三个乐器专页与扩展说明里列出的十三种乐器，都与较小的那个数字吻合。上传上限的分歧同样明显：转换器接受 WAV、MP3、OGG、WebM 与 FLAC，上限 50 MB；FAQ 写的是 MP3、WAV、FLAC、OGG 与 M4A，上限 20 MB；同站部分工具还标着 10 MB 上限。一份第三方目录评测在乐器数量上得出了相同结论。该评测还称该站缺少关于支持格式、最大输入时长与音质的公开说明，这与上面各页现有内容不符；那是较早的记录，且该目录自述内容取自公开网页、可能已过时。在页面统一口径之前，把每组里较小的数字当作更稳妥的规划前提。
FAQ 对商用问题给出的是肯定回答，称用自己的人声录音生成的音轨免版税，可用于歌曲、视频、播客、广告与影视配乐而无需额外授权，首页也挂着免版税音轨的标识。而 2025 年 10 月 24 日版的服务条款中并没有对应的授权条款：其知识产权章节覆盖的是平台的模板、代码、基础设施与文档，并说明用户保留自己定制实现的所有权，但没有任何条款把生成音频的权利分配给用户。对任何涉及合约的场景来说，营销答复与具有约束力的文件目前并没有在说同一件事。
条款写明：除法律另有要求外，所有购买均为最终交易且不可退款；价格可在通知后调整；厂商可自行决定终止或暂停访问权限且无需事先通知。服务按「现状」与「可用状态」提供，不对准确性、可靠性或可用性作任何保证，争议交由具约束力的仲裁处理。再叠加积分按月刷新这一点，未用完的余额没有退款途径。
FAQ 声称人声录音在厂商服务器上处理，转换完成后即被永久删除，上传音频不会被存储、共享或再利用，生成的音轨可下载 24 小时。而同为 2025 年 10 月 24 日版的隐私政策对此只字未提。该政策列出五类收集数据——账户信息、使用详情、设备信息、Cookie，以及支付与账单信息——并描述了加密与访问控制，同时承认没有任何存储方式是绝对安全的。它没有保留期限、没有删除流程，也没有覆盖上传音频的用户权利章节，因此那条删除承诺目前只存在于一条 FAQ 答复里，而不在具有约束力的政策中。政策允许在保密协议约束下与受信任的合作方共享数据，以及出于法律或安全原因共享。
录音建议在实践中就是一项限制：官方声明极端的人声力度变化会降低准确度，而要求的输入是不含伴奏、混响与环境噪音的干净单人声。完整混音、嘈杂环境下的录音或耳语式演唱，都落在已记录流程所调校的范围之外。由于没有公开的 MIDI 导出，修正意味着重新录制并重新转换，而每一次尝试都要消耗积分。
页面之间口径不一。营销页面宣称超过 100 种模型，价格页给出的是 13+；而十三个乐器专页与浏览器扩展里列出的十三种乐器，都与较小的数字吻合。按你确实能在页面上看到的乐器来规划。
转换器接受 WAV、MP3、OGG、WebM 与 FLAC，上限 50 MB；FAQ 写的是 MP3、WAV、FLAC、OGG 与 M4A，上限 20 MB。选一个两份清单都包含的格式并控制在 20 MB 以内，就能完全绕开这处分歧。
转换器显示每次人声转乐器任务收费五个积分，并在执行前显示剩余余额。价格页不公布这个数字，所以请按转换器界面而非套餐卡片来做预算。
FAQ 的回答是可以，称产出免版税，可用于歌曲、视频、播客、广告与影视配乐而无需额外授权。但服务条款中没有任何条款把生成音频的权利授予用户，因此需要书面授权条款的工作流应先与厂商把这一点谈定。
FAQ 声称转换完成后录音即被永久删除，生成的音轨可保留 24 小时。隐私政策没有公布保留期限、删除流程或音频生命周期章节，所以这项承诺并未体现在具有约束力的政策中。
安静的房间、单一人声、距麦克风约 15 厘米、平稳舒适的音量。耳语与喊叫都被点名为会降低准确度，上传的素材应当是干声——没有伴奏、混响或环境噪音。
