Die computergestützte Analyse von Multimedia-Dateien scheint ein beliebtes Forschungsfeld zu sein, vor allem, wenn es darum geht, Ordnung in die eigene Sammlung zu bringen. So arbeiten Forscher der Universität Sao Paolo an der automatischen Genre-Erkennung bei Musikdateien, das Max-Planck-Institut für Informatik in Saarbrücken hat Verfahren entwickelt, um Musikstücke im Internet aufzuspüren und miteinander vergleichbar zu machen, und mit DIVAS hat das Fraunhofer Institut eine Multimedia-Suchmaschine geschaffen, mit der man Video- und Audio-Dateien finden und durchsuchen kann. Da liegt es wohl nahe, dass man sich nun auch daran macht, Playlisten automatisch zu generieren, die den jeweiligen Geschmack des Nutzers treffen.

Während bisher erhältliche Lösungen meist auf eine Sortierung nach bestimmten Kriterien wie etwa dem Genre beschränkt sind, arbeiten Forscher bereits mit Hochdruck daran, intelligente Technologien zu entwickeln, die einzelne Titel wesentlich komplexer analysieren und "verstehen" können. Ziel ist es, Nutzern die Möglichkeit zu geben, mit einem einzelnen Mausklick vollautomatisierte Playlists aus Millionen von Einzelsongs zu erstellen, die genau den jeweiligen persönlichen Geschmack treffen. Laut Luke Barrington, Forscher an der University of California in San Diego, ist eines der grössten Probleme der computergestützten Musikanalyse der Umstand, dass sich der Grossteil der technologischen Ansätze in diesem Bereich für eine Playlist-Zusammenstellung auf die Kategorie des Genre beschränken würden. Diese eindeutige Kategorisierung sei aber nicht immer möglich, meint Barrington, der sich vorwiegend mit künstlicher Intelligenz beschäftigt.

Sinuswellen und "Funkyness"

Um dieses Problem zu lösen, hat der Wissenschafter ein intelligentes System entwickelt, das aus Musikstücken der User weitaus mehr verschiedene Attribute ausliest als bloss das Genre. So soll die entsprechende Software beispielsweise die allgemeine Stimmung oder auch Geschwindigkeits- und Stilwechsel innerhalb eines Songs erkennen können. Diese Technologie liefert auch sehr subjektive Beschreibungen zu einer bestimmten Musik und stellt etwa fest, ob ein Song "funky" ist oder nicht, so Barrington.

Für seine Software, die erstmals im August auf der International Society for Music Information Retrieval Conference im holländischen Utrecht vorgestellt werden soll, hat Barrington den sogenannten MFCC-Ansatz (Mel Frequency Cepstral Coefficients) adaptiert. Dabei werden Musikstücke in einzelne kleine Audioschnipsel zerlegt, deren Sinuswellen in Bezug auf Ausschlag und Frequenz mithilfe eines speziellen Algorithmus ausgewertet und miteinander verglichen werden.

Das Interesse der Forschung an solchen Technologien ist sicherlich berechtigt. Man stelle sich nur die vielen praktischen - also kommerziell verwertbaren - Möglichkeiten vor. Last.fm oder Pandora spielten dann zum Beispiel nur noch jene Musik, die gerade meiner Gemütsverfassung entsprächen.

Quellen: New Scientist, pte
Bildquelle: bellhäuser - das bilderwerk (mpg.de)