Wenn du eine Aufnahme in Transcription Studio hochlädst, beginnt eine Kette von vier Verarbeitungsschritten. Jeder davon löst ein eigenes Problem — und jeder hat seine Tücken. Am Ende steht ein Notenblatt, das du direkt bearbeiten, exportieren und teilen kannst.
Vom Signal zum Spektrum
Zuerst wird das Audiosignal in seine Frequenzbestandteile zerlegt. Aus der Wellenform entsteht ein Spektrogramm: eine Karte, die zeigt, welche Frequenzen zu welchem Zeitpunkt wie laut klingen. Für das Modell ist das die Grundlage — es „sieht“ Musik, statt sie zu hören.
Tonhöhen erkennen
Auf dem Spektrogramm sucht ein neuronales Netz nach Tonhöhen. Das klingt einfacher, als es ist: Obertöne, Hall und mehrere gleichzeitig klingende Instrumente überlagern sich zu einem dichten Geflecht, aus dem das Modell die tatsächlich gespielten Noten herauslesen muss.
Die schwierigste Frage ist nicht, welche Töne klingen — sondern welche gemeint sind.
Rhythmus quantisieren
Menschen spielen nicht wie Maschinen — und das ist gut so. Damit aus frei gespieltem Timing lesbare Noten werden, ordnet die Quantisierung jede Note in ein musikalisches Raster ein:
- Tempo und Taktart werden aus der Aufnahme geschätzt.
- Notenlängen rasten auf sinnvolle Werte ein, ohne den Groove zu verlieren.
- Auftakte, Triolen und Pausen bekommen ihre korrekte Schreibweise.
Der fertige Notensatz
Zum Schluss wird aus den erkannten Noten ein sauber gesetztes Notenblatt — mit Schlüsseln, Vorzeichen und instrumentengerechter Notation. Das Ergebnis kannst du im Editor anpassen und als PDF, MIDI oder MusicXML exportieren. Oder du probierst es einfach selbst aus:
Mehr über die Forschung hinter der Transkriptions-Pipeline liest du auf unserer Forschungsseite.