Audioeffektklassifikation und -extraktion
Bachelorarbeit,Masterarbeit,Studienarbeit,Diplomarbeit
Im Rahmen des Projekts Transform and subband coding

Beschreibung

Die Musikindustrie befindet sich in einer Umbruchphase. Musik wird zunehmend ge-streamt und entsteht zunehmend in Heimstudios. Music Information Retrieval, also die Extraktion von Informationen aus Musik, nimmt sowohl im Streaming, z.B. zur automatisierten Erstellung von Playlists, als auch im Recording, zur teilweisen Automatisierungdes Aufnahmeprozesses, eine immer größere Rolle ein.

Die automatisierte Extraktion von Gitarreneffekten kann nicht nur dabei behilflich sein, Songs anhand des Gitarrenklangs zu kategorisieren und zuzuordnen. Es ist auch vorstellbar, diese Automatisierung im kreativen Prozess zu nutzen, wenn eine Idee schnell umge-setzt werden muss. So könnten zum Beispiel die Gitarreneffekte aus einem vorhandenen Song direkt in eine Software zur Gitarrenverstärker- und Effektsimulation übertragen werden. Dies ermöglicht Anfängern den Gitarrenklang von vorhandenen Aufnahmen re-produzieren zu k önnen und professionellen Gitarristen das Einstellen von Sounds zubeschleunigen.

Im Rahmen dieser Arbeit soll aufbauend auf einer vorherigen studentischen Arbeit [1] die Extraktion und Klassifikation von Audioeffekten, insbesondere Gitarreneffekten vorangetrieben werden. Dazu sind vielfältige Methoden des maschinellen Lernens kreativ anzuwenden, wie auch in [2] benutzt.

Bei Interesse meldet euch gerne bei mir.

[1] https://www.semanticscholar.org/paper/RECOGNIZING-GUITAR-EFFECTS-AND-THEIR-PARAMETER-J%C3%BCrgens-Hinrichs/43d175b22f6311ebb5b3d30c6203fce059aaa47b
[2] https://arxiv.org/pdf/2012.03216.pdf

Voraussetzungen

  • Eigenständiges Arbeiten
  • Gute Pythonkenntnisse
  • Grundlegendes Verständis der Signalverarbeitung
  • Gewisse muskalische Fähigkeiten, da vermutlich eigene, einfache Kombinationen von Instrumenten zu erstellen sind.

Ansprechpartner: Reemt Hinrichs