Melodie

Setze ein paar Noten auf die Positionen 1 bis 4 des Sequenzers unten. Drücke dann den „Generieren“-Knopf, und die KI wird deine Melodie vervollständigen. Drücke „Play“, um deine KI-gestützte Komposition anzuhören. Jedes Mal, wenn du „Generieren“ drückst, wird die KI ein neues Pattern erstellen.

Bei der KI handelt es sich um ein neuronales Netz, das mit Tausenden von einstimmigen Melodien trainiert wurde (einstimmig bedeutet, dass jeweils nur eine Note gespielt wird). Dadurch lernte es die Struktur oder Form typischer Melodien. Neuronale Netze können Dinge lernen, indem sie mit einer großen Anzahl von Beispielen trainiert wurden. Das macht sie ideal für Anwendungen, bei denen wir nicht durch „Regeln“ erklären können, was genau die Aufgabe ist - entweder weil es zu viele Regeln gibt oder weil wir sie nicht kennen. Stattdessen können wir Beispiele dafür geben, was wir wollen.

Das in diesem Kapitel verwendete neuronale Netz ist dem im Kapitel „Rhythmus“ verwendeten sehr ähnlich. Du kannst die Erklärung dort lesen, um zu erfahren, wie es funktioniert.

Wie zufällig sind Melodien?

Es gibt keine Regeln oder wissenschaftlichen Gesetze, die besagen, welche Tonfolgen gültige Melodien sind und welche nicht. Die Musiktheorie kann viele Entscheidungen, die hinter einer Komposition stehen, erklären, aber die Grenzen der Kunst lassen sich nie perfekt definieren.

Viele verschiedene Dinge können Komponist*innen beeinflussen:

Und innerhalb dieses Bezugsrahmens nutzen die Künstler*innen auch Wiederholung, Erwartung, Überraschung und Rhythmus, um die Zuhörerschaft zu begeistern.

All diese Dinge erzeugen eine Struktur: ein Netz von Beziehungen. Jede Note steht in Beziehung zu den vorangegangenen (z. B. wie wahrscheinlich oder unwahrscheinlich es ist, dass sie zusammenkommen, wie ähnlich oder kontrastreich sie sind usw.) und zu den möglicherweise folgenden.

Der Sequenzer oben vereinfacht vieles: Er bietet nur sieben Noten aus der C-Dur-Tonleiter an, und alle Noten haben die gleiche Dauer und Lautstärke. Das bedeutet, dass es von Anfang an eine enge Beziehung zwischen den Noten gibt, die wir zum Aufbau von Melodien verwenden werden: Sie sind enge Freunde.

Dennoch kratzen wir, was die Struktur angeht, auch hier nur an der Oberfläche. Schauen wir uns einen Sequenzer mit einer neuen Taste an, der eine Melodie nach dem Zufallsprinzip erzeugt. Bei jedem Schritt wird wie bei einem Würfelwurf eine Note (oder Stille) zufällig ausgewählt.

Es erscheint sinnvoll, Melodien nach dem Zufallsprinzip zu erzeugen, wenn man mit einem begrenzten Rahmen von zusammenhängenden Noten arbeitet (z. B. einer Tonleiter). Wenn du viele Zufallsmelodien generierst, wirst du auf einige gute Melodien stoßen und auf einige, die sogar (rein zufällig) unglaublich gut zu deinen Ausgangsnoten zu passen scheinen. Du wirst aber Unterschiede feststellen, wenn du viele Melodien mit der KI und viele mit dem Zufallsalgorithmus erzeugst. Die KI erzeugt regelmäßigere Formen, verwendet eine kleinere Auswahl an Noten und baut auf dem auf, was du in den ersten Schritten als Aufforderung eingegeben hast. Außerdem wirst du feststellen, dass Zufallsmelodien erst dann gut klingen, wenn du sie mehrmals hörst (damit dein Gehirn die Chance hat, Muster zu erkennen).

Bevor neuronale Netze populär wurden, verwendeten ältere KI-Systeme oft eine Mischung aus Regeln und Zufälligkeit. Der Sequenzer unten bietet eine dritte Schaltfläche, die einen Algorithmus auf der Grundlage einer Markow-Kette verwendet. Probiere ihn mehrmals aus.

Wir können die Funktionsweise dieses Algorithmus anhand der folgenden Schritte erklären:

Der Zufallsalgorithmus kann jede mögliche Kombination von Noten mit gleicher Wahrscheinlichkeit erzeugen. Die von der Markow-Kette erzeugten Ergebnisse sind vermutlich interessanter, aber sie sind alle durch die möglichen Kombinationen begrenzt, die die Pfeile zulassen. Es gibt eine Menge interessanter Melodien, die diese Methode nicht erzeugen kann.

Wir könnten noch viele weitere Markow-Ketten mit unterschiedlichen Anweisungen erstellen, die auf unterschiedlichen Vorstellungen von Komposition und der Zusammensetzung von Melodien beruhen. Ein Algorithmus könnte eine dieser Markow-Ketten nach dem Zufallsprinzip auswählen und dann eine Melodie daraus erzeugen. Wenn wir weitere Ketten hinzufügen, würden wir noch weitere interessante Melodien entdecken.

Neuronale Netze benötigen keine Regeln von uns; sie lernen durch einen Trainingsprozess anhand von Beispielen. Ein neuronales Netz kann nur solche Melodien erzeugen, die ähnlichen Strukturen oder Mustern folgen wie die, mit denen es trainiert wurde. Um ein neuronales Netz zu entwickeln, das (fast) jede interessante Melodie erzeugen kann, müssen wir es mit einer großen Anzahl von unterschiedlichen Beispielen trainieren.

Eine kurze Geschichte des Sequenzers

Sequenzer, wie der oben verwendete, sind ein gängiges Werkzeug in der elektronischen Musik. Sie verkürzen die Distanz zwischen dem Schreiben und dem Spielen von Musik. Künstler*innen können sogar „den Sequenzer spielen“ und das Schreiben von Musik zu einer künstlerischen Performance machen.

Einige Punkte zum Nachdenken

Sequenzer ermöglichen es uns, Musik zu machen, indem wir sie während ihrer Wiedergabe „formen“. Wir können die Noten einer Sequenz während des Loop-Vorgangs ändern, aber auch ihren Rhythmus oder den Klang der Instrumente modulieren, um einen fließenden Übergang zu einer anderen Stimmung oder Farbe zu schaffen. Die Benutzeroberfläche des Sequenzers (Knöpfe, Regler, Maus, Tastatur, Touchscreen usw.) begrenzt die Anzahl der gleichzeitigen Änderungen, die wir vornehmen können, während die Musik spielt. Manchmal kann es notwendig sein, vorprogrammierte Variationen auszulösen.

Wie kann KI neue Formen des Zusammenspiels mit einem Sequenzer ermöglichen, um den musikalischen Flow einer Live-Performance mit viel Ausdrucksfreiheit zu erschaffen?

Bei den ersten Sequenzern musste man mühsam Note für Note eingeben. MIDI-Controller wie z.B. Tastaturen und druckempfindliche Bedienfelder ermöglichten eine ausdrucksvollere, schnellere und leichtere Eingabe von Sequenzen. Welche neuen Mechanismen kann die KI ermöglichen?

Externe Links

• Spiele mit Online-Versionen klassischer Synthesizer mit eingebautem Sequenzer wie dem TB-303 und SH-101.

Referenzen

Basierend auf Google Magenta Melody RNN.

Copyright- und Lizenzinformationen sind in unserem GitHub-Repository.

Quellenangaben