KI-System erkennt Tonalität klassischer Musik

Schweizer Wissenschaftler trainierten mit über 13.000 Werken aus dem 15. bis 19. Jahrhundert

Klassische Musik: meist in Dur- oder Moll-Tonart (Foto: pixabay.com/artesitalia)

Lausanne (pte003/21.01.2021/06:05)

Forscher des École polytechnique fédérale de Lausanne (EPFL) http://epfl.ch haben eine spezielle Technologie entwickelt, die mithilfe von maschinellem Lernen selbständig klassische Musik „anhören“ und richtig bestimmten Tonalitäten – zum Beispiel Dur oder Moll - zuordnen kann. Um ihrem smarten System das dafür nötige musikalische Gespür einzuhauchen, haben sie es zunächst insgesamt mehr als 13.000 Werke aus dem 15. bis 19. Jahrhundert analysieren lassen. Damit wollen sie unter anderem aufzeigen, wie sich klassische Musik im Laufe der verschiedenen Epochen verändert hat.

[b]Dur versus Moll[/b]

„Viele Menschen wissen vielleicht gar nicht, was eine Moll-Tonart in der Musik ausmacht, aber die meisten würden wohl ein Stück erkennen, dass in einem Moll-Grundton gespielt wird. Das liegt daran, weil wir die Noten einer Moll-Tonskala intuitiv daran erkenne, dass sie eher düster, angespannt und traurig klingen“, erklären Daniel Harasim, Fabian Moss, Matthias Ramirez und Martin Rohrmeier vom Digital and Cognitive Musicology Lab (DCML) des EPFL. Töne aus der Dur-Tonleiter würden hingegen viel stärker, freundlicher und leichter erscheinen.

Während das Dur- und Moll-System vor allem im westlichen Kulturkreis von 1700 bis 1900 vorherrschend gewesen sei, habe es in anderen Epochen durchaus auch andere Tonalitäten gegeben. Bei einigen Komponisten seien außerdem auch mehrere Tonarten miteinander vermischt worden. „Wir haben ein maschinelles Lernmodell entwickelt, um diese Unterschiede in einer Zeitspanne von der Renaissance über den Barock bis in die Klassik und frühe und späte Romantik hinein besser zu verstehen und visualisieren zu können“, so die Wissenschaftler.

[b]Spezifische Charakteristika[/b]

Für die Umsetzung ihres Ansatzes hat das EPFL-Team zunächst ein ausgeklügeltes mathematisches Modell erstellt, um spezifische Charakteristika für die unterschiedlichen Tonarten zu definieren und später auch selbständig erkennen zu können. Nach einem ausgiebigen Training spuckte ihr System dann tatsächlich interessante Daten aus. So fabrizierte es beispielsweise eine Grafik, die veranschaulicht, dass Musiker wie Giovanni Pierluigi da Palestrina während der Renaissance dazu tendierten, für ihre Kompositionen auf vier Tonarten zurückzugreifen. Im Barock beließen es Größen wie Johann Sebastian Bach dagegen bei nur zwei Tonarten.

„Wir wollten herausfinden, was passiert, wenn man einem Computer die Chance gibt, Musikdaten zu analysieren, die vorher nicht von Menschen aussortiert und zugeordnet worden sind. Deshalb passiert das maschinelle Lernen auch völlig unbeaufsichtigt. Unser System 'hört' sich die Musik an und erkennt dann ganz alleine, welche Tonart verwendet wird. Das liefert sehr interessante Ergebnisse“, stellt Daniel Harasim klar.

Aussender:	pressetext.redaktion
Ansprechpartner:	Markus Steiner
Tel.:	+43-1-81140-314
E-Mail:	steiner@pressetext.com
Website:	www.pressetext.com