Software::Multimedia
Projekt »AcousticBrainz« gestartet
Das Projekt »AcousticBrainz« soll Akustik-Informationen über die gesamte Musik der Welt sammeln und für Analysen bereitstellen. Jeder kann mithelfen, die Informationen aus Musikdateien zu extrahieren.
Mirko Lindner
AcousticBrainz ist ein Gemeinschaftsprojekt der gemeinnützigen MetaBrainz Foundation, die die offene Musik-Enzyklopädie
MusicBrainz betreibt, und der
Musiktechnologiegruppe an der Universität Pompeu Fabra in Barcelona. Das Projekt will mit Hilfe aller Benutzer und Interessenten Akustik-Informationen über die gesamte Musik der Welt sammeln und der Allgemeinheit für Analysen bereitstellen. Die gesammelten Informationen beschreiben nach Angaben des Projekts die akustische Charakteristik eines Musikstücks und enthält sowohl Daten über das akustische Spektrum als auch Angaben zu Genre, Stimmung, Tonart, Tonleitern und vieles mehr.
Die daraus erwachsende Datenbank soll laut dem Projekt massiv werden und wird sowohl Forschern als auch Programmierern ganz neue Möglichkeiten eröffnen, Musik zu erforschen, Statistiken zu erstellen, Engines für Musikvorschläge zu entwickeln und anderes mehr.
AcousticBrainz wurde von Xavier Serra dem Gründer und Leiter der Musiktechnologiegruppe (MTG), ersonnen. Entscheidend für das Projekt ist das Essentia-Toolkit der MTG. Es handelt sich dabei um freie Software, die für die automatische Analyse von Musik entwickelt wurde. Die Ausgabe von Essentia ist das, was vom AcousticBrainz-Projekt gesammelt wird. Der Zugriff auf diese Daten ist für jedes einzelne Musikstück über die MusicBrainz-ID möglich. AcousticBrainz verfügt wie auch MusicBrainz über ein umfassendes API zur Abfrage der Daten. Die Daten werden als Public Domain (Creative Commons CC0) bereitgestellt.
In den ersten sechs Wochen seit dem Start des Projektes wurden bereits über 650.000 Musikstücke analysiert. Ab sofort stehen die Client-Programme von Essentia auch der Allgemeinheit zur Verfügung. Sie sind im Download-Bereich von AcousticBrainz zu finden. Eine erste Analyse der Daten zeigt ansatzweise, welche Statistiken möglich sind, aber auch, dass die Daten oder die zugrunde liegenden Algorithmen noch mit großen Unsicherheiten behaftet sind. So liefert beispielsweise die Aufteilung in Genres vier völlig unterschiedliche Ergebnisse, je nachdem, welches Modell (Algorithmus) verwendet wird. Nicht viel besser scheint es bei der Stimmung zu sein. Es sind aber auch Analysen über die zeitliche Entwicklung verschiedener Eigenschaften von Musik möglich. Diese werden präziser und interessanter, wenn man die verschiedenen Genres separat betrachtet, was allerdings eine korrekte Einteilung in die Genres voraussetzt.
){kind=small}
