把 500 首現場曲目按調性歸類後，我放棄了自動混音

去年整理一批 2015–2023 的現場錄音，大概 500 首，全部是 44.1kHz/16bit 的 WAV 轉 FLAC。我想做一份「同調性歌單」，方便練團時直接照著調性接歌。

做法很直接：用 librosa 抓每首歌的色度特徵（chroma_cqt），取平均後跟 24 個大小調的模板比對，取相關性最高的當調性。跑完一輪大概 40 分鐘，輸出 CSV。

import librosa, numpy as np

def estimate_key(path):
    y, sr = librosa.load(path, sr=None, mono=True)
    chroma = librosa.feature.chroma_cqt(y=y, sr=sr).mean(axis=1)
    # 大調模板
    major = np.array([6.35,2.23,3.48,2.33,4.38,4.09,2.52,5.19,2.39,3.66,2.29,2.88])
    minor = np.array([6.33,2.68,3.52,5.38,2.60,3.53,2.54,4.75,3.98,2.69,3.34,3.17])
    # 對 12 個根音做旋轉比對，取最大相關係數
    ...

（完整程式不貼了，核心就是旋轉模板取最大相關。）

結果拿來用之後才發現問題：現場曲目常有轉調，尤其是最後一段副歌升半音，整首平均下來調性會被拉走；鼓聲重的歌，低頻能量也會干擾色度。500 首裡我抽了 60 首手動核對，大概 12 首被判錯，錯的多半是轉調歌和節奏強烈的。

代價是每首都要人工複查，等於自動化只省了前段，後段還是要靠耳朵。我後來改成兩段式：先讓程式標記「信心分數低於 0.6」的曲目，只人工聽那一批，覆蓋率大約八成，剩下的就放生。

現在這份歌單我拿來當練團參考，不拿來做自動接歌。想問問有在玩現場錄音的人：你們怎麼處理轉調曲目的調性標記？是手動拆段落，還是直接放棄全曲平均？