Glaube ich nicht, aber wir werden sehen, wenn die Funktion da ist, vermute, dann wird es hier wieder ein Thema dazu geben,
da ich mich durch deine aussage "provoziert" gefühlt habe, habe ich vorhin den test aufs example gemacht und mit hilfe von chatgpt 2 audio-to-midi programme "programmiert".
die erste variante funktioniert auf dem wege der klassischen signalverarbeitung.
hier wird eine echte grundfrequenz aus dem monophonen audio geschätzt (pYIN), es werden noten daraus gebaut, die dann am musikalischen raster ausgerichtet werden.
die zweite variante funktioniert mit ai.
hier wird das audio in ein viertel-grid zerlegt und es werden pro viertel aus monophonem audio 12 tonhöhen einer oktave erkannt, aus denen dann midi erzeugt wird.
die trainingsdaten, die hierfür benötigt werden, werden automtisch generiert.
aus ihnen werden spektogramme des audiomaterials gelesen.
ein neuronales netzwerk nimmt die bilder und erkennt daraus muster (log-mel-patch).
nach dem training wird ein modell erzeugt, mit dem man audio to midi generieren kann.
beide scripte sind in der lage eine monophone melodie in einer oktave mit noten > viertel noten von audio in midi umzuwandeln.
bei beiden scripten kommt die gleiche midi-ausgangsdatei, aus der ich ein wave-file erzeugt habe am ende auch wieder raus.
wenn ich das mit chatgpt mit der cpu von einem primitiven laptop schon in so kurzer zeit hinkriege, warum soll die industrie denn das nicht hinkriegen, auch polyphones material umzusetzen. sie rücken damit nur nicht raus, weil sich damit weniger geld verdienen läßt.
der quellcode funktioniert.
die finalen scripte laufen in unter 10 sekunden.
das ai-script zur generierung des datenmodells dauert 30 sekunden.
das training dauert ca 2 minuten.
anbei der quellcode