Verleihen Sie Ihrer Musik Kreativität - fügen Sie Chroma-, Melband-, Spektral- und Tonhöhen-Analyse hinzu!
Inhaltsverzeichnis
- Einführung in den ai Music Improviser
- Schritt 1: Hinzufügen von Chroma-Analyse
- Schritt 2: Hinzufügen von Spektralanalyse
- Schritt 3: Hinzufügen von Melband-Analyse
- Schritt 4: Hinzufügen von Pitch-Analyse
- Schritt 5: Hinzufügen von Granulat- und Slices-Analyse für Chroma
- Schritt 6: Hinzufügen von Granulat- und Slices-Analyse für Spektrum
- Schritt 7: Hinzufügen von Granulat- und Slices-Analyse für Melbands
- Schritt 8: Hinzufügen von Granulat- und Slices-Analyse für Pitch
- Fazit
👉 Schritt 1: Hinzufügen von Chroma-Analyse 👈
Um den AI Music Improviser weiterzuentwickeln, ist der erste Schritt das Hinzufügen einer Chroma-Analyse. Chroma ist ein Konzept aus der Musiktheorie, das sich auf die Pitch-Klasse bezieht. Es spielt keine Rolle, in welchem Oktavbereich sich ein Ton befindet, sondern nur die Wahrnehmung der Tonhöhe. Dies ist oft relevanter als die genaue Tonhöhe, insbesondere für improvisierte Musik.
Um die Chroma-Analyse hinzuzufügen, erstellen wir das Objekt "fluid.chroma" und stellen die FFT-Einstellungen entsprechend ein. Eine größere FFT-Größe sorgt für eine genauere Chroma-Analyse. Wir möchten auch eine Normalisierung mit dem Chroma-Objekt durchführen, da dies erfahrungsgemäß zuverlässiger ist. Die Mindestfrequenz setzen wir auf 30 Hz und die Maximalfrequenz auf 18.000 Hz.
Anschließend benennen wir das Fluid-Objekt um und passen die Werte für das Fluid-Stats-Objekt an. Für die Live-Analyse setzen wir die Anzahl der Chromas auf 24, um Vierteltöne zu ermöglichen. Schließlich verbinden wir den Live-Eingang mit der Chroma-Analyse und stellen die erforderlichen Parameter ein.
Pro:
- Die Chroma-Analyse ermöglicht uns eine präzise Wahrnehmung der Tonhöhe unabhängig von der Oktave.
- Mit den richtigen Einstellungen können wir auch Vierteltöne analysieren.
Contra:
- Die Chroma-Analyse erfordert zusätzliche Berechnungen und kann zu einem höheren Rechenaufwand führen.
Jetzt können wir die Chroma-Analyse testen, indem wir uns direkt aufzeichnen oder eine Audio-Datei verwenden und die Ergebnisse überprüfen.
👉 Schritt 2: Hinzufügen von Spektralanalyse 👈
Nachdem wir erfolgreich die Chroma-Analyse implementiert haben, können wir mit dem nächsten Schritt fortfahren: der Hinzufügung der Spektralanalyse.
Die Spektralanalyse ermöglicht es uns, die spektrale Form der Audiosignale zu erfassen. Hier können wir verschiedene spektrale Eigenschaften wie Obertöne, Resonanzen und Geräusche untersuchen. Dies kann uns helfen, musikalische Merkmale zu identifizieren und den AI Music Improviser weiter zu verbessern.
Um die Spektralanalyse hinzufügen, erstellen wir ein neues Fluid-Objekt namens "fluid.spectral" und passen die FFT-Einstellungen entsprechend an. Wir möchten auch die Normalisierung mit dem Spectral-Objekt durchführen, um zuverlässigere Ergebnisse zu erhalten.
Ähnlich wie bei der Chroma-Analyse müssen wir das Fluid-Stats-Objekt umbenennen und die Anzahl der Bins auf die gewünschte Anzahl einstellen. Wir können die Ergebnisse der Spektralanalyse in Echtzeit überprüfen und sicherstellen, dass alles einwandfrei funktioniert.
Pro:
- Die Spektralanalyse ermöglicht uns eine detaillierte Untersuchung der spektralen Eigenschaften von Audiosignalen.
- Wir können musikalische Merkmale wie Obertöne, Resonanzen und Geräusche identifizieren.
Contra:
- Die Spektralanalyse erfordert zusätzliche Berechnungen und kann zu einem höheren Rechenaufwand führen.
👉 Schritt 3: Hinzufügen von Melband-Analyse 👈
Nun ist es an der Zeit, die Melband-Analyse hinzuzufügen, um die Timbre-Eigenschaften der Musik zu erfassen. Die Melband-Analyse teilt das Frequenzspektrum in Mel-Bänder auf, die dem menschlichen Gehör besser entsprechen als lineare Frequenzbänder.
Um die Melband-Analyse hinzuzufügen, verwenden wir das Fluid-Objekt "fluid.melband". Wie zuvor stellen wir die FFT-Einstellungen ein und führen eine Normalisierung mit dem Melband-Objekt durch. Die Anzahl der Melbands kann je nach Bedarf eingestellt werden.
Schließlich verbinden wir den Live-Eingang mit der Melband-Analyse und überprüfen die Ergebnisse in Echtzeit.
Pro:
- Die Melband-Analyse ermöglicht uns eine genauere Untersuchung der Timbre-Eigenschaften von Audiosignalen.
- Wir können musikalische Merkmale wie Klangfarbe und Klangtextur identifizieren.
Contra:
- Die Melband-Analyse erfordert zusätzliche Berechnungen und kann zu einem höheren Rechenaufwand führen.
👉 Schritt 4: Hinzufügen von Pitch-Analyse 👈
Die Pitch-Analyse ermöglicht es uns, die Tonhöhe von Audiosignalen zu erfassen. Dies ist besonders nützlich, um Melodien und Harmonien zu identifizieren.
Um die Pitch-Analyse hinzuzufügen, verwenden wir das Fluid-Objekt "fluid.pitch". Wir stellen die FFT-Einstellungen ein und führen eine Normalisierung mit dem Pitch-Objekt durch. Die Ausgabe besteht aus der Tonhöhe und der Vertrauensstufe.
Nachdem wir den Live-Eingang mit der Pitch-Analyse verbunden haben, können wir die Ergebnisse überprüfen und sicherstellen, dass die Tonhöheninformationen korrekt erfasst werden.
Pro:
- Die Pitch-Analyse ermöglicht es uns, Melodien und Harmonien zu identifizieren.
- Wir können musikalische Merkmale wie Tonhöhe und Tonhöhenverlauf analysieren.
Contra:
- Die Pitch-Analyse erfordert zusätzliche Berechnungen und kann zu einem höheren Rechenaufwand führen.
Schritt 5: Hinzufügen von Granulat- und Slices-Analyse für Chroma
Um die Granulat- und Slices-Analyse für Chroma hinzuzufügen, müssen wir das Fluid-Objekt "fluid.grain" verwenden. Dies ermöglicht es uns, Audiosignale in kleine Granulate oder Slices zu unterteilen und sie separat zu analysieren.
Wir kopieren und fügen das bereits vorhandene Code-Segment für die Chroma-Analyse ein und passen die Namen entsprechend an. Wir müssen auch neue Slice-Punkte generieren, um sicherzustellen, dass die Analyse ordnungsgemäß funktioniert.
Nachdem wir die Granulat- und Slices-Analyse implementiert haben, können wir sie testen, indem wir uns aufnehmen oder eine Audio-Datei verwenden und die Ergebnisse überprüfen.
Pro:
- Die Granulat- und Slices-Analyse ermöglicht es uns, Audiosignale in kleinere Teile zu unterteilen und separat zu analysieren.
- Wir können detaillierte Informationen über Chroma-Muster in verschiedenen Abschnitten des Signals erhalten.
Contra:
- Die Granulat- und Slices-Analyse erfordert zusätzliche Berechnungen und kann zu einem höheren Rechenaufwand führen.
Schritt 6: Hinzufügen von Granulat- und Slices-Analyse für Spektrum
Wir können den gleichen Ansatz verwenden wie zuvor, um die Granulat- und Slices-Analyse für das Spektrum hinzuzufügen. Dies ermöglicht es uns, das Spektrum in kleinere Teile zu unterteilen und separat zu analysieren.
Pro:
- Die Granulat- und Slices-Analyse für das Spektrum ermöglicht es uns, detaillierte Informationen über spektrale Merkmale in verschiedenen Abschnitten des Signals zu erhalten.
Contra:
- Die Granulat- und Slices-Analyse erfordert zusätzliche Berechnungen und kann zu einem höheren Rechenaufwand führen.
Schritt 7: Hinzufügen von Granulat- und Slices-Analyse für Melbands
Um die Granulat- und Slices-Analyse für Melbands hinzuzufügen, wiederholen wir den gleichen Prozess wie zuvor. Dies ermöglicht es uns, detaillierte Informationen über die Timbre-Eigenschaften in verschiedenen Abschnitten des Signals zu erhalten.
Pro:
- Die Granulat- und Slices-Analyse für Melbands ermöglicht es uns, detaillierte Informationen über die Klangfarbe und Klangtextur in verschiedenen Abschnitten des Signals zu erhalten.
Contra:
- Die Granulat- und Slices-Analyse erfordert zusätzliche Berechnungen und kann zu einem höheren Rechenaufwand führen.
Schritt 8: Hinzufügen von Granulat- und Slices-Analyse für Pitch
Zum Abschluss fügen wir die Granulat- und Slices-Analyse für die Tonhöhe hinzu. Dies ermöglicht es uns, detaillierte Informationen über die Tonhöhenmerkmale in verschiedenen Abschnitten des Signals zu erhalten.
Pro:
- Die Granulat- und Slices-Analyse für Pitch ermöglicht es uns, detaillierte Informationen über Melodien und Harmonien in verschiedenen Abschnitten des Signals zu erhalten.
Contra:
- Die Granulat- und Slices-Analyse erfordert zusätzliche Berechnungen und kann zu einem höheren Rechenaufwand führen.
Fazit
Wir haben erfolgreich verschiedene Analysen wie Chroma, Spektrum, Melbands und Pitch in den AI Music Improviser integriert. Diese Analysen ermöglichen es uns, detaillierte musikalische Merkmale zu erfassen und den Improviser weiter zu verbessern.
Wir können nun verschiedene Granulat- und Slices-Analysen für jede Art von Analyse durchführen und detaillierte Informationen über verschiedene Aspekte der Musik erhalten. Dies ermöglicht es uns, kreative AI-Kompositionen mit einzigartiger Timbre und Harmonie zu generieren.
Highlights
- Hinzufügen von Chroma-Analyse für eine präzise Wahrnehmung der Tonhöhe
- Einführung der Spektralanalyse für detaillierte Untersuchung der spektralen Eigenschaften
- Integration der Melband-Analyse für genaue Timbre-Analyse
- Hinzufügen der Pitch-Analyse für Erfassung von Melodien und Harmonien
- Durchführung von Granulat- und Slices-Analysen für jede Art von Analyse
- Generierung einzigartiger AI-Kompositionen mit einzigartigem Timbre und Harmonie
Häufig gestellte Fragen
Q: Wie funktioniert die Chroma-Analyse?
A: Die Chroma-Analyse erfasst die Pitch-Klasse eines Tons unabhängig von der Oktave. Dies ermöglicht eine präzise Wahrnehmung der Tonhöhe.
Q: Was ist der Zweck der Spektralanalyse?
A: Die Spektralanalyse ermöglicht die Untersuchung spektraler Eigenschaften von Audiosignalen wie Obertönen, Resonanzen und Geräuschen.
Q: Wie kann die Melband-Analyse genutzt werden?
A: Die Melband-Analyse ermöglicht die genaue Untersuchung der Timbre-Eigenschaften von Audiosignalen, indem das Frequenzspektrum in Mel-Bänder aufgeteilt wird.
Q: Was ist der Nutzen der Pitch-Analyse?
A: Die Pitch-Analyse ermöglicht die Erfassung von Tonhöheninformationen wie Melodien und Harmonien.
Q: Wie funktionieren Granulat- und Slices-Analysen?
A: Granulat- und Slices-Analysen teilen Audiosignale in kleine Teile und ermöglichen eine detaillierte Untersuchung der musikalischen Merkmale in verschiedenen Abschnitten des Signals.