Automatische Erkennung von Cover-Versionen und Plagiaten in ...

Grundlagen 7
Typ III: Stimmen Bei diesem Typ bleibt das Stück an sich, mitsamt dem Tempo in
dem es gespielt ist, erhalten. Unterschiede bestehen jedoch bei den verwendeten
Instrumenten bzw. den Gesangstimmen. Beispiele hierfür sind das Ersetzen der
Gesangstimme durch ein Instrument für eine Karaoke-Version bzw. der Einsatz
einer Frau anstatt eines Mannes als Vokal-Stimme. Die Modifikationen schlagen
sich also im Wesentlichen auf die Klangfarbe nieder.
Typ IV: Tempo Während die anderen Aspekte gleich bleiben, werden die beiden Songs
in einem unterschiedlichen Tempo interpretiert.
Typ V: Gleiche Melodie Dieser Typ ist eine Kombination aus den vorherigen drei. Die
zugrunde liegende Melodie bleibt zwar die selbe; Unterschiede können jedoch in
der Stimmbelegung, dem Tempo und dem Rausch-Anteil bestehen. Dies ist in der
Regel der Fall, wenn ein Stück in einem anderen Stil interpretiert wird.
Typ VI: Transposition Im Unterschied zu Typ V wird nun auch die Melodie verändert,
indem sie in eine andere Tonart transponiert wird. Häufiger Grund dafür ist, dass
sie bezüglich ihrer Stimmlage an einen anderen Sänger bzw. eine andere Gruppe
von Instrumenten angepasst wird.
Typ VII: Struktur Dieser Typ tritt sehr häufig auf und berücksichtigt Veränderungen
in der Liedform. Beispiele dafür sind zusätzliche Wiederholungen von Refrain bzw.
Strophen oder das Einfügen eines neuen Instrumentalparts (Instrumental-Solos).
Der Mensch nimmt beim Hören von Musik die Melodie sehr stark wahr und erkennt
diese trotz Einfluss der oben genannten Abweichungen relativ leicht wieder. Eine Stu-
die von Peretz et al. [38] etwa zeigt, dass Menschen, denen eine bekannte Melodie
vorgespielt wird, diese sofort mit dem Text verbinden. Sie reicht somit aus, um ein Mu-
sikstück quasi zu identifizieren. Im Rahmen der maschinellen Verarbeitung ist jedoch
nicht die gefilterte Melodie sondern nur das gesamte Audiosignal verfügbar. Während
sich die Typen II und III relativ schwach auf dieses auswirken, wird es von den Typen
IV bis VII maßgeblich beeinflusst. Die Herausforderung liegt nun darin, Features zu fin-
den, die der menschlichen Wahrnehmung ähnlich sind und so eine erwartungskonforme
Klassifizierung ermöglichen.