Maschinenklang – Experimente zu Klangsynthese mittels Methoden des maschinellen Lernens

Maschinenklang ist eine experimentelle Auseinandersetzung mit den Möglichkeiten, die maschinelles Lernen für kreatives Arbeiten im Kontext des Sounddesign bietet. Anhand der Anwendung eines bekannten Mediums - hier Audio - sollte zudem generell ein besseres Verständnis für den Aufbau neuronaler Netze gewonnen werden.

In der Arbeit entstand eine prototypische Anwendung, die es erlaubt mit einem eigenem Trainingsdatensatz einen Variational Auto Encoder zu trainieren und anschließend Audiosamples mittels des Modells zu erzeugen. Durch verschiedene Sampling-Methoden können durch das tiefe neuronale Netz neue Klänge synthetisiert werden.

Die so generierten Audiosamples wurden in Musikstücken und einem Videospiel eingesetzt. Die Arbeit zeigt, dass die Möglichkeiten Maschinellen Lernens auch für gestalterische Prozesse nützlich sein können. Die Auseinandersetzung mit den Fähigkeiten generativer neuronaler Netze hilft dabei auch zu verstehen, welche Grenzen den Systemen inneliegen und wie diese entstehen.

Maschinenklang zeigt damit auf, dass neuronale Netze in gestalterischen Prozessen genutzt werden können. Die tiefe Auseinandersetzung erlaubt es, sie als Werkzeug zu verstehen, das kreative Arbeit verändert und bereichert. Dabei wird klar, dass menschliche Entscheidungen weiterhin die größte Rolle im Prozess spielen.