Intelligente Software "versteht" Musikstücke

Die computergestützte Analyse von Musikstücken ist ein hilfreiches Tool, um Ordnung und Übersicht in das eigene MP3-Archiv zu bringen.

Während bisher erhältliche Softwarelösungen jedoch meist auf eine Sortierung nach bestimmten Kriterien wie etwa dem Genre beschränkt sind, arbeiten Forscher bereits mit Hochdruck daran, intelligente Technologien zu entwickeln, die einzelne Titel wesentlich komplexer analysieren und „verstehen“ können. Ziel ist es, Nutzern die Möglichkeit zu geben, mit einem einzelnen Mausklick vollautomatisierte Playlists aus Millionen von Einzelsongs zu erstellen, die genau den jeweiligen persönlichen Geschmack treffen.

„Die bisher erhältliche Analyse-Software ist nur bis zu einem bestimmten Punkt zu gebrauchen“, zitiert NewScientist Luke Barrington, Forscher an der University of California http://www.ucsd.edu in San Diego, der sich vorwiegend mit künstlicher Intelligenz beschäftigt. Eines der größten Probleme der computergestützten Musikanalyse sei der Umstand, dass sich der Großteil der technologischen Ansätze in diesem Bereich für eine Playlist-Zusammenstellung auf die Kategorie des Genre beschränken würden. „Einige Songs lassen sich aber nicht einfach als Rock- oder Popstück charakterisieren“, betont Barrington.

Stimmung, Geschwindigkeit und Stil

Um dieses Problem zu lösen, hat der Computerwissenschaftler ein innovatives intelligentes System entwickelt, das aus Musikstücken der User weitaus mehr verschiedene Attribute ausliest als bloß das Genre. So soll die entsprechende Software beispielsweise die allgemeine Stimmung oder auch Geschwindigkeits- und Stilwechsel innerhalb eines Songs erkennen können. „Diese Technologie liefert auch sehr subjektive Beschreibungen zu einer bestimmten Musik und stellt etwa fest, ob ein Song 'funky' ist oder nicht“, erläutert Barrington.

Für seine Software, die erstmals im August auf der International Society for Music Information Retrieval Conference im holländischen Utrecht vorgestellt werden soll, hat Barrington den sogenannten MFCC-Ansatz (Mel-Frequency Cepstral Coefficients) adaptiert. Dabei werden Musikstücke in einzelne kleine Audioschnipsel zerlegt, deren Sinuswellen in Bezug auf Ausschlag und Frequenz mithilfe eines speziellen Algorithmus ausgewertet und miteinander verglichen werden.

Zunehmende Bedeutung

Die Grundidee, Musikstücke mit Computerhilfe nach Ähnlichkeit sortieren und abspielen zu lassen, hat in Zeiten von iTunes und Co zunehmend an Bedeutung gewonnen. Hintergrund dieser Entwicklung ist die enorme Fülle an digitaler Musik auf den Festplatten der User, deren Organisation und Verwaltung immer aufwendiger wird. Auch im Bereich der Online-Radios wie Last.fm oder Pandora werden derartige Services eingesetzt, um Nutzer mit der zu ihrem individuellen Geschmack passenden Musik zu versorgen.