Instrumenten-Erkennung AI

Das ist ein Signalanalyse-Identifikator, keine magische Blackbox. Jedes Notenereignis wird so vermessen, wie es die Klangforschung tut: MPEG-7-artige logarithmische Attack-Zeit (von 2% auf 100% der Peak-Energie, Peeters 2000), harmonischer Energieanteil, das Ungrad/Grad-Teilton-Leistungsverhältnis über die Harmonischen 1-5, das die zylindrische Bohrung der Klarinette vom Schalltrichter der Trompete trennt (Almeida 2024), der Inharmonizitäts-Koeffizient B aus fₙ = n·f₀·√(1+B·n²) als Fingerabdruck für Klavier- vs. Gitarrensaiten (Fletcher 2000), Spektraler Schwerpunkt/Streuung/Flachheit sowie ein 4-7-Hz-Vibrato-Detektor — die klassische Signatur von Stimme und Violine. Jedes Event wird gegen 13 Profile gewertet (Klavier, Gitarre, Bass, Violine, Flöte, Klarinette, Saxophon, Blech, Orgel, Synth-Lead/Pad, Stimme, Drums) und zu Instrumentenfamilien aggregiert. Bleib bei polyphonen Mixes realistisch: SOTA-Klassifikatoren erreichen rund 35% pro Instrument und 77% pro Familie auf isolierten Noten (Eronen 2001) — verstehe das Ergebnis als starken Hinweis, am zuverlässigsten bei Solos, Stems und Ein-Instrument-Loops.