Rechnergestützte Musikanalyse Einführung
description
Transcript of Rechnergestützte Musikanalyse Einführung
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