Tiefes Verstehen verbreiteter Elemente im Musikrhythmus

Wenn wir einen uns unbekannten Musikstil hören, versuchen wir, uns mit dem Rhythmus des Stückes zu synchronisieren. Dieser Prozess ermöglicht es uns, die Struktur des gehörten Stückes zu verstehen. Er wird ermöglicht von gemeinsamen Merkmalen der Musik, die wir in Kulturen der ganzen Welt antreffen. In diesem Projekt, werden wir solche Merkmale im Rhythmus der Musik aufspüren, und beleuchten, wie sie kulturabhängig unterschiedlich interpretiert werden. Dies wird ermöglicht durch eine Forschungsmethodik, die Perspektiven aus dem Ingenieursbereich und aus den Humanwissenschaften kombiniert. Unsere Einsichten in die verbindenden Merkmale von Musikrhythmen werden in die Entwicklung von Rechnerprogrammen einfließen, die in der Lage sind, rhythmische Aspekte von Musik in vielen Kulturen der Welt zu analysieren. Bis jetzt ist der größte Teil der Musik-Softwareentwicklung auf Musik des Westens konzentriert, und unser Projekt hat das Ziel, Aufmerksamkeit auf eine größere Vielfalt von Musik zu lenken. Genau in diesem Moment geben uns bahnbrechende Entwicklungen in der künstlichen Intelligenz Werkzeuge an die Hand, die wir benötigen um die Grenzen und Möglichkeiten von automatischen Methoden in der Anwendung auf Musik zu erforschen. Wir werden die Entdeckung von gemeinsamen Merkmalen im Rhythmus von Musik anstreben, indem wir Software erstellen, die sich diese Entwicklungen zu Nutze macht um Forschungsfragen aus der Musikethnologie zu beantworten. Unsere Methoden stellen Lösungen für einen fairen und unbefangenen digitalen Musikvertrieb im Internet dar, und bieten in ihrem fachübergreifenden Ansatz eine radikal neue Perspektive für die Musikforschung. Unser Projekt wird ein tieferes Verstehen von Musik fördern, dass den Bedürfnissen eines neuen digitalen Zeitalters angemessen ist, und Wege aufzeigt um Musiker und Musikhörer über kulturelle Grenzen hinweg zu verbinden.

Die Synchronisation mit einem Musiksignal, zum Beispiel durch rhythmisches Wippen oder Tanzen, ist ein Prozess, der dem Menschen ein verbessertes Verstehen der Struktur der gehörten Musik ermöglicht. Dieser Prozess wird unterstützt von gemeinsamen Merkmalen der Musik, die wir in Kulturen der ganzen Welt antreffen. Jedoch gibt es sowohl im Klangbild der Musik, als auch in der Art, in der ein menschlicher Hörer die gehörten Rhythmen interpretiert, wichtige Unterschiede, die unter anderem mit dem kulturellen Hintergrund zusammenhängen, in dem eine bestimmte Musikform praktiziert wird. In diesem Projekt wurden rechnergestützte Analysemethoden entwickelt, die es einem Computer ermöglichen, die menschliche Synchronisation zu einem Musikstück nachzuahmen. Die entwickelten Methoden sind in der Lage, rhythmische Aspekte von Musik in vielen Kulturen der Welt zu analysieren. Nach wie vor ist der größte Teil der Musik Softwareentwicklung auf Musik des Westens konzentriert, und unser Projekt hatte das Ziel, Aufmerksamkeit auf eine größere Vielfalt von Musik zu lenken. Hierzu wurden Musikaufnahmen aus dem indischen Kulturraum herangezogen, und mit Verfahren des Maschinenlernens wurden Klangcharakteristiken identifiziert, die die rhythmische Regelmäßigkeit betonen. Diese Klangcharakteristiken wurden dann verarbeitet durch einen Algorithmus, der einen Takt aufspürt, der der menschlichen Synchronisation zur Musik zugrunde liegt. Die entwickelten Methoden verbessern nachweislich die Genauigkeit, mit der bisher Rhythmen verschiedener Kulturen verfolgt werden konnten. Darüber hinaus können die Methoden auf neue, unbekannte Signale aus anderen Kulturen angepasst werden. In einer Zeit, in der Musik in zunehmendem Maße digital erlebt wird, sind verbesserte Genauigkeit und Anpassbarkeit von automatischer Rhythmusanalyse von großer Bedeutung um zu ermöglichen, dass Musik in verschiedenen Kulturkreisen nach wie vor von ihren Hörern wie erwünscht erlebt werden kann. Darüber hinaus ermöglichen die entwickelten Methoden eine Anwendung in der musikwissenschaftlichen Forschung, mit Zielen wie etwa der Analyse von Tempoverläufen in Musikdarbietungen.