Projektdaten

---

Beiträge zur rechnergestützten Musikwissenschaft durch semi-und unüberwachtes Lernen zur Annotaion und Segmentierung großer Musikarchive (ACMus)

---

Enorme Fortschritte in den Informations- und Kommunikationstechnologien im laufe der letzten Jahre haben viele Forschungs- und Entwicklungsprojekte zur Digitalisierung und zum Erhalt des kulturellen Erbes angeregt und begünstigt. Hierdurch wurde die Verfügbarkeit kultureller Inhalte einerseits stark verbessert, gleichzeitig müssen jedoch neue Herausforderungen wie Langzeitzugriff auf Informationen, Nachhaltigkeit sowie der rasant ansteigende Umfang an Daten adressiert und bewältigt werden. Insbesondere für die Verwaltung des musikalischen Erbes werden automatische Verfahren zur semantischen Informationsgewinnung benötigt, welche musikalische Elemente wie Rhythmus, Harmonie, Melodie, musikalische Textur und Klangfarbe berücksichtigen. Diese Verfahren ertauben die Untersetzung sehr großer Datenbestände und haben dadurch das Potential, musikwissenschaftliche Forschung effizient zu unterstützen. Ziel des ACMus Projektes ist also die Entwicklung von semi- und unüberwachten Verfahren zur Musikinformationsgewinnung zur automatischen Annotation von Musikarchiven. Hier liegt der Fokus insbesondere auf Unterscheidung von Musik, Sprache und Gesangsstimme sowie der Erkennung der lnstrumentebesetzungen des musikalischen Metrums und der Tonalität.