Rechnergestützte Musikanalyse Einführung

Projektseminar Musikwissenschaftliches

Institut HamburgWS 2005/06

Leitung: Klaus Frieler

Rechnergestützte MusikanalyseMotivation

Der Einsatz von Computer bietet neue Perspektiven und Möglichkeiten für die Musikwissenschaft, etwa: Statistische Analysen Überprüfung kognitiver Modelle Music Information Retrieval

Obwohl bereits seit den Sechzigern erfolgt, keine große Verbreitung oder breite Akzeptanz in der Musikwissenschaft

Im Gegensatz zur Musikproduktion, wo nichts mehr ohne Computer entsteht.

Rechnergestützte MusikanalyseMotivation

Gründe für die geringe Verbreitung: Keine Standardtools zur Musikanalyse mit

nutzerfreundlichem Frontend Viele Einzelprogramme auf vielen

verschiedenen Plattformen und in vielen Programmiersprachen

Viele Formate symbolischer Musikkodierung Technologische Hemmschwelle bei den

Anwendern

Rechnergestützte MusikanalyseÜbersicht

Man kann prinzipiell zwei Arten von RMA unterscheiden: Symbolisch Audio

Wir werden uns auf den symbolischen Bereich beschränken

Rechnergestützte MusikanalyseSymbolische RMA

Benutzt musikalische Daten in symbolisierter Form, also in der Regel auf der Abstraktionsstufe eines Notentextes

Klangliche Aspekte können so kaum untersucht werden

Schwerpunkt auf syntaktische/kognitive Aspekte

Rechnergestützte MusikanalyseSymbolische RMA

Zwei Hauptarten Symbolischer RMA (SRMA) Kognitive RMA Statistische RMA

Rechnergestützte MusikanalyseKognitive SRMA

Der Computer wird eingesetzt um kognitive Modelle zu überprüfen oder

auf Grund ihrer Komplexität überhaupt erst operationalisierbar zu machen, z.B. Temperleys Melismapaket

Hilfsmittel für musikwissenschaftliche Forschung, z.B. Einsatz von automatisierten Ähnlichkeitsmaßen als Tool für die Musikgedächtnisforschung (Müllensiefen)

Rechnergestützte MusikanalyseKognitive SRMA

Erstellung von Featureverteilungen in großen Datenmengen, z.B. Volksliedskonturen (Huron)

Automatisierung etablierter Theorien und deren Überprüfung, z.B. Set-Theorie für 12-ton Musik (Forte, u.a.)

Klassifikation und Kategorisierung von Musik mit statistischen Methoden, z.B. Katalog der luxemburschien Volksliedphrasen (Sagrillo)

Rechnergestützte MusikanalyseSonstige SRMA

Automatisierte Begleitung (Band in a Box, Toiviainens Jazzbegleiter)

Rechnergestützte MusikanalyseGrundlegende Vorgehensweise

1. Datenbeschaffung2. Datenkodierung3. Featureextraktion und/oder

Transformation4. (Kognitiver) Algorithmus oder

statistische Methoden5. Evalution

Rechnergestützte MusikanalyseDatenbeschaffung und –kodierung

Oft einer der schwierigsten Punkte da zumeist: Aufwändig (z.B. eigene Transkriptionen,

Dateneingabe von Hand oder Keyboard) ODER Teuer (z.B. jemanden Transkribieren

lassen, MIDI Dateien kaufen)

Rechnergestützte MusikanalyseDatenbeschaffung und –kodierung

Meist müssen die Daten noch konvertiert werden, möglicher Informationsverlust

Oder Daten müssen ergänzt werden, z.B. Segmentierungen

Datenkodierung ist schon eine gewisse Form vom Featurextraktion

Den einzelnen Datenformate wird noch eine ganze Sitzung gewidmet sein…

Rechnergestützte MusikanalyseFeatureextraktion und Transformationen

Die Musikdaten müssen zumeist transformiert werden

Transformationen, die die Zahl der Dimensionen (Freiheitsgrade) entscheidend verringen heißen Featureextraktion

Rechnergestützte MusikanalyseFeatureextraktion und Transformationen

Beispiel für Transformation Darstellung einer Melodie mit Intervallen und

IOIs, Reduktion einer Melodie auf Akzentwerte Implizite Tonalitäten pro Takt

Beispiele für Feature: Ambitus Mittlere Tonhöhe Mittlere Dauer Verteilung der Intervalle Etc.etc

Rechnergestützte MusikanalyseAlgorithmen und statistische Methoden

Hat man die Daten transformiert, kann man Algorithmen anwenden, z.B. Beat/Metrumsextraktion Ähnlichkeit/Distanzmaße Verteilung von Kennzahlen über viele Daten Statistische Klassifikatoren (SVM, neuronale

Netze…) Faktoren Analyse, MDS (Hidden) Markov Models Anpassung von Modellen anhand empirischer Daten Und und und…

Rechnergestützte MusikanalyseEvaluation

Besonders für kognitive Modelle ist eine Evaluation der gewonnen Ergebnisse wichtig.

Evaluation ist Überprüfung der Validität der Ergebnisse zumeist anhand empirischer Daten (z.B. Ähnlichkeitsurteilen von Musikexperten) oder anderer z.B. mathematischer Evaluationsmethoden