Dieser Beitrag skizziert das Konzept für ein System zur computerbasierten Erkennung von einander ähnlichen Klangereignissen. Es soll als Plug-in für den Acousmographe, ein Programm zur graphischen Darstellung und Analyse von Klängen, realisiert werden. Ziel ist, anhand eines ausgewählten Klangereignisses die gesamte Audiodatei nach klanglich ähnlichen Ereignissen zu durchsuchen. Das Modell gliedert sich in drei Stufen – eine Vorverarbeitung, ein selbstorganisierendes neuronales Netzwerk und ein Hidden Markov Modell, deren Funktion dieser Aufsatz im Einzelnen beschreibt. Mögliche Anwendungsgebiete des Systems bestehen sowohl im wissenschaftlichen wie im pädagogischen Bereich.

Einleitung

Der Ausgangspunkt für mein Forschungsprojekt im Music Department der University of Hertfordshire (GB) bestand in der Idee der kooperierenden französischen Forschungsgruppe INA-GRM (Institute National Audiovisuel – Groupe de Recherches Musicales), für ihre Software Acousmographe ein Plug-in zur automatischen Erkennung von Klangereignissen zu entwickeln.

Der Acousmographe ist ein Werkzeug zur graphischen Darstellung von Klängen, das zur Zeit im Wesentlichen folgende Möglichkeiten bietet:

• Berechnung und Darstellung von Spektrogrammen mittels FFT,
• manuelles Hinzufügen von graphischen Symbolen zur Klangrepräsentation,
• automatische Suche nach signifikanten Änderungen im Hinblick auf Tonhöhe, Intensität und spektrale Dichte.

Sinn und Zweck des Acousmographe ist es, eine anschauliche Darstellung von Musik, die mit konventioneller Notation nicht hinreichend erfaßbar ist, zu ermöglichen. Das betrifft vor allem elektronische Musik, ethnische Musik und zum Teil auch Jazz.

Das Ziel meines Projekts ist die Entwicklung eines Verfahrens, das an Hand eines ausgewählten Klangereignisses die gesamte Audiodatei nach klanglich ähnlichen Ereignissen zu durchsuchen vermag. Ein solches Verfahren wäre auch bei einer wahrnehmungsorientierten Organisation von Klängen in Datenbanken sehr nützlich.