开发者训练 1.25 亿参数 Transformer 模型实现 iPhone 端钢琴自动续弹

一名独立开发者在 Hacker News 上展示了自研的钢琴自动续弹应用：通过在 MIDI 钢琴上弹奏几个音符作为「提示」，1.25 亿参数的 Transformer 模型会即时续写演奏内容，整个推理过程在 iPhone 15 上完成，无需联网。开发者将其类比为面向音乐的「GitHub Copilot 或 Tabnine」，目前应用可免费下载使用。

模型与性能

据开发者介绍，该模型规模为 1.25 亿参数（125M），在 iPhone 15 上可达到约 108 音符/秒的实时续写速度。模型以 Core ML 格式部署，借助苹果神经引擎实现端侧推理，推理延迟控制在演奏可接受的范围内。开发者未在帖子中披露训练数据集规模、训练时长或具体架构细节，仅表示「过程中有许多不奏效的尝试」。

实现思路

与代码补全工具类似，应用的核心逻辑是「上下文→续写」：

• 用户弹奏若干音符作为 prompt；
• 模型将这段 MIDI 序列作为输入，预测并生成后续音符；
• 输出结果实时回放，形成连贯的演奏续写。

开发者表示，帖子下开放提问，欢迎讨论模型架构、训练流程、Core ML 部署以及踩过的坑。

定位与局限

该项目定位为创意工具，主要面向有 MIDI 钢琴设备的音乐爱好者。从公开信息看：

• 模型规模仅 1.25 亿参数，相较主流大模型属轻量级别；
• 未提供与同类音乐生成模型的对比基准；
• 缺乏对生成质量、风格控制能力的系统评测。

整体而言，这是一个利用小规模 Transformer 在端侧实现实时音乐交互的个人探索，展示了轻量模型在消费设备上落地创意应用的可行性，但距离工业级产品仍有明显差距。