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

Feature Extraktion 75
Abbildung 3.23: Wiederholte Passagen in Yesterday
Ein Problem, das in der Darstellung des Beispiels von Yesterday deutlich wird ist, dass
die Start- sowie End-Zeiten der wiederholten Passagen zwar ungefähr richtig liegen,
jedoch nicht auf die Sekunde genau bestimmt werden konnten. Dies liegt daran, dass
zum Berechnen der Selbstähnlichkeits-Matrix die Auflösung reduziert wurde. Bei einer
Sample-Frequenz von 44.1kHz und einer gewählten Schrittweite der Fensterung (vgl.
Abschnitt 3.2.3) von 512 Samples kommt man auf etwas mehr als 86 Frames pro Sekun-
de – von denen jeder durch 36 Einzelwerte des THPCP-Vektors repräsentiert wird. Bei
der zugrundeliegenden quadratischen Komplexität kommt man selbst bei relativ kur-
zen Songs – wie Yesterday mit 127 Sekunden – zu enorm vielen zu berechnenden und
zu speichernden Werten. Daher wird durch Heranziehen des Durchschnitts aus jeweils
über 100 Vektoren der tatsächliche Rechenaufwand erheblich verringert. Dafür wird
eine gewisse Unschärfe beim Erkennen der Refrain-Abschnitte in Kauf genommen. Im
gegebenen Kontext ist dies jedoch akzeptabel. Auch leicht verschobene Refrain-Stellen
zweier Versionen eines Songs müssen dennoch genug Übereinstimmung aufweisen, um
als solche erkannt zu werden.
Ein größeres Problem ist jedoch bei Disco-Versionen unterschiedlicher Musikstücke zu
erkennen. In derartigen Versionen werden oft zusätzlich oder an Stelle der Strophen
Passagen eingefügt, in denen Schlagwerke und elektronische Bässe dominieren. Diese
Stellen sind sowohl in sich als auch untereinander sehr ähnlich und werden aufgrund
ihrer herausragenden Präsenz meist fälschlicher Weise als Refrain gewertet. Um diese
Fehler zu beseitigen, könnte weiterführend – in Anlehnung an [28] – versucht werden,
Stimmen mit geringer Komplexität, wie sie in derartigen Rhythmus- bzw. Bass-Spuren
vermutet werden kann, bei der Bestimmung des Refrains auszuschließen.