1 / 28

Automatisierte Musikerkennung

Automatisierte Musikerkennung. Automatisierung in der Medientechnik, Labor, KulturMediaTechnologie Elisabeth Strecker SS13. Gliederung. Problemstellung Stand der Technik Aufgabenstellung Ausgewählte Programme Test der Programme Auswertung Fazit Empfehlung Quellen. Problemstellung.

sevita
Télécharger la présentation

Automatisierte Musikerkennung

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Automatisierte Musikerkennung Automatisierung in der Medientechnik, Labor, KulturMediaTechnologie Elisabeth Strecker SS13

  2. Gliederung • Problemstellung • Stand der Technik • Aufgabenstellung • Ausgewählte Programme • Test der Programme • Auswertung • Fazit • Empfehlung • Quellen

  3. Problemstellung • Musikerkennungs-Programme versagen unter dem Einfluss verschiedener Parameter. •  Welches Programm versagt weniger häufig?

  4. Stand der Technik • Für die Erkennung von Musik gibt es verschiedene Applicationsfür iOS,Androidusw. sowie diverse Softwares für Mac und PC. • Die Programme erkennen die Musiktitel anhand eines akustischen Fingerabdrucks. Ein digitaler Code zur Charakterisierung eines Klangs oder einer Audioaufnahme unter Berücksichtigung spezieller akustischer Gegebenheiten. • Frequenzspektrum, Klangfarbe, Instrumentierung, Tempo und Dynamik eines Stückes.

  5. Aufgabenstellung • Vergleichen Sie verschiedene Musikerkennungs-Programme (Shazam, SoundHound) anhand ausgewählter Musikstücke. Führen Sie Tests unter dem Einfluss verschiedener Parameter durch. Geben Sie anhand Ihrer Ergebnisse eine Empfehlung, welches Programm am Besten für das Erkennen eines Musikstücks geeignet ist.

  6. Ausgewählte Programme • Shazam(Smartphone) • SoundHound (Smartphone) • Tunatic (PC)

  7. Tunatic

  8. Shazam

  9. Shazam • Erkennt nur Originale • Benötigt Internetzugang • Über 10 Millionen Titel in Datenbank • Derzeit weltweiter Marktführer • Erkennt anhand des akustischen Fingerabdrucks. • Freeware Version unbegrenzt möglich

  10. Vorgehen Smartphone muss in unmittelbarer Reichweite der Lautsprecher sein

  11. SoundHound

  12. SoundHound • Benötigt Internetzugang • Speichert Aufnahme und führt Suche später aus • Erkennt auch Summen und Singen • Freeware Version unbegrenzt möglich

  13. Mindmap

  14. Test der Programme • Shazam • SoundHound • Die Programme werden mit Musikausschnitten unter „normalen“ Bedingungen sowie unter Einfluss verschiedener Parameter (Rauschen, Störgeräusche, Veränderung der Tonhöhe) getestet.

  15. Störgeräusche, Audiobearbeitung der Musikstücke 20 Musikstücke Je 40 Sekunden Ergebnis des Titels / kein Ergebnis

  16. Auswahl der Musikausschnitte • 20 verschiedene Musikstücke • Je 40 Sekunden Ausschnitte unterscheiden sich in: • Genre (Klassik, Jazz, Pop...) • Abschnitt des Songs (Intro, Hook...) • Version ( Remix, Live, Cover, Interpret....)

  17. Einflüsse • Weißes Rauschen (– 18 dB) • Verändern der Tonhöhe um 0,5 – 0,7- und 1 Halbton • Störgeräusche (Menschen/Applaus)

  18. Wiedergabe • Interne Lautsprecher MacBook Pro • Ruhiger Raum ohne Störgeräusche

  19. Bedingungen für erfolgreiche Musikerkennung • Titelname muss erkannt werden (Chinesisch zählt nicht) • Interpret muss erkannt werden • Version muss erkannt werden

  20. ErgebnisShazamSoundHound

  21. Auswertung

  22. Shazam ist geeignet für: • Charthits • Remix • Unbekanntere Musikstücke • Auch bei deutschen Songs und Klassik gut • Auch bei Rauschen erfolgreich • Unter „normalen“ Bedingungen sehr gut

  23. Shazam versagt bei: • Akustik- und Live-Versionen • Nur Rhythmus (Intro Sky and Sand Kalkbrenner) • Bei Tonerhöhung (nur noch Charthits)

  24. SoundHound ist geeignet für: • Singen und Summen (je nach Sänger) • Charts • Live-Situationen

  25. SoundHound versagt bei: • Klassik • Remix • Standard Akkordfolgen • Rauschen

  26. Fazit • Shazamist schneller und treffsicherer. • Shazam hat eine größere Datenbank. • SoundHound erkennt auch Summen und Singen. • SoundHound speichert die Aufnahmen.

  27. Empfehlung • Für das Erkennen von Musikstücken unter „normalen“ Umständen ist die App Shazam besser geeignet. Elisabeth Strecker 01.Juni 2013. elisabeth.strecker@freenet.de

  28. Quellen • www.scinexx.de/wissen-aktuell-1802-2004-10-26.html • http://www.cnet.de/41547453/soundhound-musikerkennung-per-android-smartphone/ • http://www.heise.de/newsticker/meldung/Musikerkennung-Das-neue-Projekt-des-MP3-Erfinders-93707.html • http://www.youtube.com/watch?v=Z8gBjaqgeqQ&noredirect=1 • http://www-mmdb.iai.uni-bonn.de/forschungprojekte/bioakustik/workshop06/Vortrag_Kurth.pdf • http://de.wikipedia.org/wiki/AudioID • http://nero.helpmax.net/de/nero-burning-rom/audio-cd-und-audiodateien/automatische-musikerkennung/ • http://www.iuk.fraunhofer.de/index2.html?Dok_ID=80&Sp=1&MID=428 • http://forum.golem.de/kommentare/wirtschaft/icloud-bug-itunes-match-streamt-songs-mit-entschaerften-texten/das-ist-keine-zensur/59898,2912152,2912152,read.html • http://www.idmt.fraunhofer.de/content/dam/idmt/de/Dokumente/Publikationen/Informationen%20zu%20Abteilungen%20und%20Gruppen/Metadaten_de.pdf • http://www.welt.de/print/die_welt/wissen/article10726502/Computer-erkennt-Melodien.html

More Related