Hier spielen einige Faktoren eine Rolle:

Nehmen wir an, wir haben eine magische Software, die Audio hören und uns genau sagen kann, welche Noten gespielt werden. Selbst mit dieser Software ist die Bestimmung des Schlüssels kein triviales Problem. Sicher, es gibt einfache Fälle, aber selbst Menschen sind sich über viele Songs nicht einig. Ein Computer hat keine Chance.

Nehmen Sie Sweet Home Alabama mit. Die Akkorde sind D C G . Viele Elektronen wurden verschwendet, um darüber zu streiten, ob dies ein V IV I in G-Dur oder ein I bVII IV in D-Dur. Ich persönlich denke, es liegt in der Tonart "Bitte spiele das nie wieder", also vermeide ich es, die höllische Sache zu genau zu analysieren.

Oder nimm Hey Jude. Die na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na na bisschen. Wenn wir ein wenig transponieren, sind die Akkorde auch D C G . Aber das ist ziemlich klar ein I bVII IV in D-Dur. Der Kontext ist wichtig, und die Erstellung eines Algorithmus zur automatischen Ermittlung dieses Kontexts ist ein komplexes Problem.

Wir haben also festgestellt, dass 100% der untersuchten Songs einen D code haben > C G Progression sind ärgerlich. Der nächste Teil des Problems besteht darin, eine Liste der Tonhöhen für diese Tastenerkennung zu erhalten.

Sie werden feststellen, dass ich im vorherigen Abschnitt das Wort "magisch" verwendet habe. Die meisten Tonhöhenerkennungssoftware führen eine Art Frequenzanalyse durch. Grundsätzlich greifen sie auf einen Audioabschnitt zu und bestimmen, welche Frequenzen vorhanden sind. Wir kennen die Frequenz jeder Note, daher können wir diese Liste der Frequenzen einer Liste der Tonhöhen zuordnen.

Nicht so schnell. Wenn ein Instrument eine Note spielt, erzeugt es leider mehr als eine Frequenz. Deshalb klingt ein Klavier nicht wie eine Gitarre. Einige dieser Frequenzen sind harmonisch; das heißt, Vielfache der Wurzelfrequenz. Andere werden nicht. Wenn das Instrument nicht gestimmt ist (z. B. nicht gestimmte Percussion oder Noise Sweep), gibt es viele dieser unharmonischen Frequenzen.

Wenn Sie eine vollständige Spur haben, trennen Sie alle diese Frequenzen und bestimmen Sie, welche Tonhöhen es sind. und welche harmonisch sind, ist nicht trivial. Es ist so, als würde man versuchen, die Zutaten eines Milchshakes zu trennen, sobald sie gemischt sind. Es ist sicherlich möglich, eine gute Annäherung zu erhalten, aber es ist schwierig, genau zu sagen, was gespielt wurde. Das (trainierte) menschliche Ohr ist bei dieser Aufgabe viel besser als Computer.

Um fair zu sein, wenn Sie nur versuchen, den Schlüssel zu bestimmen (anstatt jede Note zu transkribieren), ist dieses Problem einfacher lösen. Es ist mir egal, wer welche Note spielt; nur die gesamte harmonische Struktur. Aber es gibt immer noch viel Platz für Ihren Computer, um hier Fehler zu machen.

In einigen Kommentaren wurde festgestellt, dass selbst wenn Sie eine Liste von Tonhöhen haben, die Konvertierung in Notennamen eine Vorstellung von der erfordert Schlüssel. Dies liegt daran, dass wir in der überwiegenden Mehrheit der westlichen Musik das Konzept der Enharmonik haben. Grundsätzlich haben A # und Bb die gleiche Frequenz, und wir wählen den Namen basierend auf der Taste.

Für viele Musikstücke ist dies kein wirklich großes Problem. Hier ist beispielsweise eine Reihe von Tonhöhen:

A # / B ♭ / C ♭♭ B # / C / D ♭♭ C ## / D / E ♭♭ D # / E ♭ / F ♭♭ E # / F / G ♭♭ F ## / G / A ♭♭ G##/A/B♭♭

Es ist ziemlich offensichtlich, dass dies B-Dur ist. Man könnte es A # Major nennen, aber das ist eine viel kompliziertere Art, die Skala zu buchstabieren, also tun wir es nicht. Ebenso ist C ♭♭ Major kein guter Name. Diese Art von Heuristik lässt sich ganz einfach zur Software hinzufügen. In diesem einfachen Fall ist dies also kein wirkliches Problem.

Es könnte problematischer sein, wenn es zwei gleich richtige Optionen gibt, wie F # Dur gegen G ♭ Dur. Auch hier ist beides richtig, also wählen Sie einfach einen aus.

Wenn der Schlüssel mehrdeutig ist, kann dies ein größeres Problem sein. Aber ich denke, die anderen Probleme sind viel bedeutender.

Schließlich bei Auto-Tune. Die Arbeit von Auto-Tune ist aus mehreren Gründen einfacher. Erstens geht es in die andere Richtung. Es enthält eine Reihe von "guten" Noten (Halbtöne oder eine benutzerdefinierte Taste) und verschiebt alle "schlechten" Noten entsprechend. Es muss kein Schlüssel zugewiesen werden. Zweitens stimmen Sie im Allgemeinen ein einzelnes isoliertes Instrument automatisch ab. Das ist viel einfacher zu handhaben als eine komplette Mischung. Ich weiß nicht, was Auto-Tune tun wird, wenn Sie es über den gesamten Mix gleichzeitig ausführen, aber ich denke nicht, dass es hübsch sein wird.

Kurz gesagt:

• Selbst bei einer Liste aller Noten / Akkorde ist die Tastenerkennung nicht trivial.
• Das automatische Abrufen dieser Liste von Noten und Akkorden ist kein zuverlässiger Prozess.

Infolgedessen können Computer zwar eine automatische Schlüsselerkennung versuchen und sich in vielen Fällen nähern, aber es ist unwahrscheinlich, dass sie jemals 100% genau sind. Wenn jemand mir das Gegenteil beweisen möchte, würde ich gerne eine kostenlose Kopie Ihrer Software erhalten, um Ihre Behauptungen zu überprüfen. Natürlich für wissenschaftliche Zwecke.

Ich glaube, das verwirrt mich. Wenn wir Software wie Auto-Tune haben können, die Musik so einstellen kann, dass sie in der richtigen Tonart ist, warum ist es dann überhaupt so schwierig, die Tonart zu erkennen?

Ohne auf eine der Tasten einzugehen Angesichts der Einzelheiten der automatisierten Schlüsselerkennung und ihrer Schwierigkeiten ist die Antwort auf diese Frage meiner Meinung nach recht einfach:

Die automatische Erkennung benötigt einen Referenzrahmen - eine Basislinie -, von der aus gearbeitet werden kann. Musik in jeder Tonart hat ein bestimmtes Muster, das sich in den Noten widerspiegelt. Wenn wir auf eine andere Tonart transponieren, duplizieren wir dieses Muster nur mit unterschiedlichen Noten.

Ein sehr einfaches Beispiel:

Das Muster für die Hauptskala lautet:

Tonic-> Whole Step-> Whole Step- > Halber Schritt-> Ganzer Schritt-> Ganzer Schritt-> Ganzer Schritt-> Halber Schritt == Oktave.

Wenn wir diesem Muster ab Note C folgen, erhalten wir C-> D-> E-> F-> G-> A-> B-> C.

Aber wir können uns genauso einfach bewerben Dieses Muster beginnt mit der Note D und gibt uns
D-> E-> F#-> G-> A-> B-> C#-> D

Das Replizieren eines Musters von verschiedenen Startpunkten aus ist eine großartige Aufgabe für einen Computer - es ist eines der Dinge, die sie am besten können - eine grundlegende Rechenoperation. Dies liegt daran, dass keine originellen Gedanken oder Analysen erforderlich sind - es ist ein einfacher, mechanischer / mathematischer Prozess. Sobald wir also Musik in einer festgelegten Tonart haben, können wir einem Computerprogramm leicht anweisen, diese Musik auf eine andere Tonart zu übertragen - replizieren Sie einfach die Muster mit einem anderen Satz von Noten.

Das Erkennen des Originalschlüssels ohne bereits vorhandenen Referenzrahmen zum Arbeiten und Replizieren ist jedoch eine ganz andere und viel schwierigere Aufgabe für einen Computer. Es erfordert Analyse und Unterscheidung und Urteilsvermögen. Es ist kein Muster zu replizieren. Es erfordert eine Menge Informationen und Kenntnisse über Musik, um den Schlüssel eines Stücks zu bestimmen, und es ist manchmal ziemlich zweideutig. Damit ein Programm die Tonart eines Musikstücks genau bestimmen kann, muss es über all dieses Wissen verfügen und es verwenden können, um zur richtigen Tonart zu gelangen. Als Softwareentwickler kann ich Ihnen sagen, dass dies in der Tat ein schwieriges Computerproblem ist - es ist keine leichte Aufgabe, es richtig zu machen.

Auch einzelne Noten haben mehrere Namen - habe ich gerade Gis oder A gespielt? Dieselbe Notengruppe kann als einer von mehreren Akkorden bezeichnet werden. Wenn ich C, Es, G, B spiele, meine ich C m7 oder Es 6? Dies hängt davon ab, in welcher Tonart sich die Komposition befindet, und diese "Tonart" hängt vom Gesamtkontext (normalerweise aller) der anderen Noten und Akkorde in der Komposition ab. Die Idee eines "Schlüssels" ist ein abstraktes mentales Modell, das wir einem akustischen Phänomen überlagern, um dessen Struktur besser zu verstehen. Dieses "akustische Phänomen" (musikalische Komposition) kann sehr komplex sein, und egal ob es mathematisch präzise und regelmäßig oder locker und frei ist, unser Modell davon wird notwendigerweise eine Annäherung sein. Anders ausgedrückt, die Musik selbst ist eine physische Realität (Schwingungen in der realen Welt), der "Schlüssel" existiert nur in unseren Gedanken. Die automatische Schlüsselerkennung ist eines der Dinge, die Wissenschaftler als "schweres Problem" bezeichnen.

Das Problem ist schwierig, weil Komponisten es so machen.

Die Definition von Musikkomposition besteht wohl darin, sie zu verschleiern und zu interpretieren. Die Hälfte der Techniken, die wir lernen, haben mit Verlängerung, Suspendierung, Ausweichen, dem Finden von Wegen zu tun, dissonante Noten als konsonant erscheinen zu lassen usw. Wenn Sie die Schenkerian-Analyse abonnieren, glauben Sie vielleicht sogar, dass alle wahren Meisterwerke nichts sind mehr als eine (sehr komplexe) Verschönerung von I.

Interessante Musik soll Ihr Ohr herausfordern, seinen inneren Grund zu finden. Und manchmal ist es gar nicht da. Kein Wunder, dass Computer Probleme damit haben.