Testkorpus für automatische Transkriptionssysteme

Magisterarbeit von Ramon Schalleck

Einleitung:

In dieser Magisterarbeit wird ein Testkorpus für polyphone automatische Transkriptionssysteme (ATS) erstellt. Ein Testkorpus ist eine Sammlung von digitalisierten Objekten und ihren symbolischen Repräsentationen. Ein Objekt kann zum Beispiel ein Bild oder eine Tonaufnahme sein. Digitalisierte Tonaufnahmen werden Recording genannt. Recordings haben häufig das WAVE- oder MP3-Format.

Die symbolischen Repräsentationen sind Beschreibungen der Recordings im MIDIFormat1. Das Testkorpus in dieser Arbeit besteht aus zehn polyphonen Recordings im WAVE-Format und zehn symbolischen Repräsentationen der Recordings im MIDIFormat. Der Musikstil der zehn Recordings im Testkorpus ist Barbershop. Barbershop ist unbegleiteter polyphoner Gesang (Hic91). Notation ist die schriftliche Fixierung von Musik. Der Begriff „Transkription“ wird in dieser Arbeit definiert als die Notation einer Recording. Das Transkriptionsergebnis wird Annotation genannt. ATS transkribieren Recordings automatisch. Die automatisch erstellte Annotation heißt automatische Annotation2.

ATS können dazu verwendet werden, um die Original-Partitur aus einem Musikstück wieder herzustellen oder um in einer Datenbank nach einer Partitur zu suchen. Eine Einführung in das Thema Musikerkennung bzw. automatische Transkription mit den Hinweisen auf die Anwendungsmöglichkeiten und Ziele der ATS ist in Kapitel 3 zu finden. In dieser Arbeit werden ATS dazu verwendet, um automatische Annotationen aus den Recordings zu generieren. Die ATS bieten Parameter, die eine Anpassung der ATS an den Musikstil erlauben. Die Parameter Polyphonie, Ambitus, minimale Tondauer und Instrumentierung werden für die Erstellung der automatischen Annotationen an den Barbershopmusikstil angepasst. Zum Beispiel wird die Anzahl der zu erkennenden Stimmen auf vier gesetzt und die Instrumentierung an den unbegleiteten Gesang angepasst. Die fünf ATS AKoff (AKo00), Amazing Midi (Ara03), IntelliScore (Inn03), SONIC (Mar03) und WIDI (Kur04), die in dieser Arbeit untersucht werden, erzeugen aus den zehn Recordings im WAVE-Format automatische Annotationen im MIDI-Format.

Das Testkorpus besteht aus Recordings und Annotationen. Die Recordings werden vom Testkorpus zu den ATS übermittelt. Aus den Recordings wird in den ATS eine automatische Annotation generiert. Das Evaluationsmodul empfängt die Annotation vom Testkorpus und die automatische Annotationen vom ATS. Im Evaluationsmodul wird die Ähnlichkeit zwischen der automatischen Annotation und der Annotation aus dem Testkorpus verglichen. Das Ziel dieser Arbeit ist eine Aussage darüber, welches der fünf zeitgenössischen ATS die polyphone Barbershopmusik im Testkorpus am besten transkribieren kann. Diese Aussage über die Qualität der ATS bezieht sich auf die Ähnlichkeit der automatischen Annotationen zu den Annotationen. Ähnlichkeitsalgorithmen, die sich auf die Musik beziehen, arbeiten mit dem Abstand von Tonhöhen in Melodien (Mai98), der Minimierung der Fläche zwischen zwei Tonhöhenkonturen (FNM00), dem Abstand von Tönen (LGRC00), der Übereinstimmung von Tönen (DH02, Seite 4), der Ähnlichkeit zwischen Tonartprofilen (al02, Seite 4) und den Tonansatzzeiten (MO01), werden in Kapitel 4 beschrieben. In dieser Arbeit werden drei Algorithmen entwickelt. Ein Algorithmus geht aus den erwähnten Algorithmen hervor. Die anderen zwei Algorithmen sind selbstständig entwickelt.

Die drei Algorithmen hhw, ed und ma vergleichen die automatische Annotation mit der Annotation in Bezug auf die Harmonik, den Tonabstand und die Maskierung. Die Harmonik leitet sich aus den Akkorden ab. Um die Ähnlichkeit zwischen Akkorden zu bestimmen, wird das harmonische Hierarchiegewicht verwendet, das aus (Kru90, Seite 170) übernommen wurde. Das harmonische Hierarchiegewicht bestimmt, wie gut die Tongeschlechter auf verschiedenen Grundtönen zueinander passen. Aus dem harmonischen Hierarchiegewicht wird abgeleitet, wie gut Akkorde unterschiedlichen Geschlechts und mit unterschiedlichem Grundton zueinander passen. Das Geschlecht eines Akkords kann Dur oder Moll sein (Mic00a, Seite 86). Akkorde gibt es auf unterschiedlichen Grundtönen. Ein C-Dur Akkord hat den Grundton C und das Geschlecht Dur. Durch den hhw-Algorithmus wird bestimmt, wie gut zum Beispiel ein C-Dur Akkord zu einem G-Dur Akkord passt. Die Qualität der ATS in Bezug auf die Harmonik bestimmt, wie gut die Akkorde in der automatischen Annotation zu den Akkorden in der Annotation passen.

Mit dem Tonabstand ist der Abstand der Töne der automatischen Annotation zu den Tönen in der Annotation gemeint. Der Abstand wird gemessen indem die Anzahl der Operationen gezählt wird, die nötig sind, um ein Objekt in ein anderes umzuformen. Es gibt die drei Operationen „Einfügen“ (Insert), „Löschen“ (Delete) und „Verändern“ (Modification). Die Qualität der ATS hängt von der Anzahl der benötigten Operationen ab, um die Töne in der automatischen Annotation in die Töne in der Annotation umzuformen. Der Abstand der Töne wird durch den ed-Algorithmus gemessen Die Maskierung wird durch die Lautstärke der Töne in der automatischen Annotation bestimmt. Dabei wird gemessen, wie laut die falschen Töne in der automatischen Annotation im Vergleich zu den richtigen Tönen in der automatischen Annotation sind.

Je höher die Lautstärke der falschen Töne ist, desto mehr werden die richtigen Töne maskiert. Die Ermittlung der Maskierung von Tönen durch den ma-Algorithmus in Kapitel 4 basiert auf den Erläuterungen in Sundbergs Buch „The Science of Musical Sounds“. Die Qualität der ATS in Bezug auf die Maskierung wird bestimmt durch den Grad der Lautstärke der richtigen Töne im Verhältnis zu der Lautstärke der falschen Töne. Für die Bestimmung der Maskierung wird der ma-Algorithmus verwendet.

Inhaltsverzeichnis: