| Literatur |
Meinard Müller, Fundamentals of Music Processing. Using Python and Jupiter Notebooks (1. Aufl. Cham u. a. 2015 u. d. T.: Fundamentals of Music Processing. Audio, Analysis, Algorithms, Applications), 2. Aufl. Cham u. a. 2021
Günther Görz u.a. (Hrsg.), Handbuch der Künstlichen Intelligenz (1. Aufl. u.d.T. Einführung in die künstliche Intelligenz, Bonn, Paris 1993), München u.a. 2021
Ian Goodfellow u.a., Deep Learning. Das umfassende Handbuch. Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze, Frechen 2018, online unter: https://www.deeplearningbook.org
Curtis Roads, The Computer Music Tutorial, Cambridge Mass. u.a. 1996
Eduardo Reck Miranda (Hrsg.), Handbook of Artificial Intelligence for Music. Foundations, Advanced Approaches, and Developments for Creativity, Cham 2021, als Download unter: https://link.springer.com/book/10.1007/978-3-030-72116-9
|
| Lerninhalte |
Einstieg
- Geschichte der Verwendung von Computern in der Musik
- Unterschiedliche Anwendungsbereiche (Komposition, Produktion, Synthese, Analyse)
Komposition mit Computern geht zum Teil stark mit elektronischer Musik einher
- Erklärung und Kategorisierung der Daten
- visuelle Darstellung (Partitur)
- symbolische Darstellung (MusicXML, MIDI)
- Audio-Daten
Akustik und Klangsynthese
- Grundlagen der Akustik
- Schall, Schallwellen, Klang, Ton, Geräusch
- periodische Schwingungen, Obertöne, Sinus-Funktion
- Hertz und Cent
- logarithmische Wahrnehmung von Tonhöhe
- Gleichstufig temperierte Stimmung
- wissenschaftliche Notation (wie MIDI)
Berechnung der Notennummer anhand von Oktavteilung + Frequenz u. Nummer d.
Kammertons
- Digitalisierung v. Audio-Daten; Sampling, Sampling-Theorem
Unterschied zwischen analogen und digitalen Musik-Daten
- Analyse akustischer Phänomene
- Fourier-Analyse und short-time Fourier Transformation (STFT)
- Arbeiten mit Spektrogrammen
- Rolle von Obertönen und Transienten
- Zeitverlauf eines Klangs
- Obertonspektrum verschiedener Instrumente
- Klangsynthese
- Grundlagen der Klangsynthese
- Synthesearten (additiv, subtraktiv, granular)
- Bestandteile einer Typischen Synthesekette
- die Programmiersprache Max und die real-time Audiosoftware Pure data
Music Information Retrieval (MIR)
- Musik-Synchronisation
- Automatische Strukturanalyse
- Akkorderkennung
- Tonalitätsverläufe
- Tempoanalyse
- Language Models und n-grams
- MIR in der Musikbranche
KI in der Musik
- Allgemeines zu KI
- unterschiedliche Arten Maschinellen Lernens
- Reinforcement Learning
- Supervised Learning
- Unsupervised Learning
- Modelle
- Neuronale Netze
- Long Short-Term Memory (LSTM)
- Sampling
- Markov Models und Hidden Markov Models (HMM)
- bei Chat-Bots besonders: Language Models (z.B. mit n-grams) und word embeddings
- Training und Überprüfung neuronaler Netze
- Erstellen von Trainings und Kontroll-Datensätzen
- Dekontextualisierung von Gegenständen (autonome Sinnzusammenhänge)
- Problem des Overfitting
- KI und Komposition
- Geschichte und Unterschied zu algorithmischer Komposition
- zwei grundsätzlich verschiedene Ansätze
- automatische Komposition (autonom komponiert, auf speziellen Stil trainiert)
- Human-Computer Co-Creativity
- KI und Geisteswissenschaften
- ChatGPT in der Musikwissenschaft
- KI in der Musikbranche |
