So korrigierst du eine KI-Musiktranskription

Was geht bei einer automatischen Transkription schief?

Ein Transkriptionsmodell hört Tonhöhen und Zeiten. Eine Partitur braucht außerdem eine Tonart, eine Taktart, Taktstriche und Notenwerte, die jemand lesen kann. Fünf Fehler machen den Großteil dessen aus, was wir in Entwürfen sehen:

• Phantomnoten. Eine Klaviersaite lässt mit jedem Ton Obertöne erklingen, und das Modell kann die Oktave darüber als eigene Taste hören, die im selben Moment angeschlagen wird.
• Eine Note in Stücken. Eine gehaltene Note kann als zwei Noten zurückkommen, das Anschleifen eines Tons beim Gesang als kurze falsche Note davor und Vibrato als Schwanken zwischen zwei Tonhöhen.
• Die falsche Tonart. Jede Tonhöhe kann stimmen und die Tonartvorzeichnung trotzdem falsch sein. „Für Elise“ steht in a-Moll, das keine Vorzeichen hat, aber die Töne Gis und Dis lassen ein Modell E-Dur vermuten.
• Die falsche Taktart. Die Notenwerte kommen verdoppelt oder halbiert heraus (6/8 statt 3/8), oder ein Stück im 3/4-Takt wird als 4/4 gelesen.
• Taktstriche an der falschen Stelle. Ein Stück, das mit einem Auftakt beginnt, braucht einen kurzen ersten Takt, und eine gleichmäßige Aufnahme driftet von ihren Taktstrichen weg, wenn das erkannte Tempo um einen Bruchteil eines Schlags pro Minute abweicht.

Wie kannst du eine Transkription selbst prüfen?

Spiele die Partitur zusammen mit der Aufnahme ab, ein paar Takte auf einmal, und achte auf diese Anzeichen:

In ScoreStarling kannst du jedes davon erledigen: Wähle die Takte aus und schreibe Starling einen Satz, zum Beispiel „Takte 1–8 stehen in a-Moll und 3/8 mit einem Auftakt aus einer Note; schreib die Versetzungszeichen neu und teile die Takte neu ein“. Jede Antwort lässt sich rückgängig machen.

Was macht ein KI-Korrekturdurchgang?

Starling Refine von ScoreStarling läuft nach der Transkription. Ein Sprachmodell liest den Entwurf und bearbeitet ihn in einer festen Reihenfolge mit den Werkzeugen, die auch ein Mensch im Editor hat. Diese Reihenfolge haben wir vom stärksten Modell übernommen, das wir ausprobiert haben und das sechs Entwürfe mit denselben Werkzeugen und ohne Begrenzung von Zeit oder Schritten korrigierte:

Der Durchgang bekommt gesagt, dass die Aufnahme entscheidet und dass er nie neu transkribieren, arrangieren, vereinfachen oder transponieren darf. Seine letzte Nachricht sagt, was er geändert hat und welche Takte du dir noch einmal anhören solltest.

Du kannst ihn im Upload-Formular für „Klavier solo“ oder für „Ein Instrument oder Gesang“ einschalten oder später auf eine fertige Partitur anwenden; dabei speichert er eine neue Version und lässt das Original unverändert. Mit Plus ist er kostenlos, und Konten ohne Plus erhalten einen kostenlosen Versuch pro Monat (Preise, geprüft am 24. Oktober 2026).

Wie sieht eine korrigierte Transkription aus?

Hier ist der Anfang des Tests mit „Für Elise“, so wie der Entwurf ihn schrieb und nach dem Durchgang. Der Entwurf ist schwer zu lesen, enthält aber jede gespielte Note. Der Durchgang hat die Kopien gelöscht, Beethovens Tonart und Taktart gesetzt und jeder Hand ein eigenes Notensystem gegeben.

Die 19 Sekunden lange Aufnahme der „Gymnopédie“ auf unserer Seite Klavieraufnahme in Noten ging auf andere Weise schief. Der Entwurf dazu steht in 4/4, mit den Akkorden der linken Hand im oberen Notensystem zwischen den Melodienoten. Beide Durchläufe des Durchgangs endeten mit Saties Noten in allen acht Takten, mit jeder Tonhöhe, jedem Notenwert und jedem Notensystem, in 3/4 und D-Dur.

Wie gut funktioniert das?

Wir haben ihn am 12. Oktober 2026 bei jeder Aufnahme mit einer Referenztranskription zweimal laufen lassen, mit dem Modell, das er verwendet, GPT-6.1 Sol von OpenAI. Eine Note zählt als richtig, wenn eine Referenznote dieselbe Tonhöhe hat und nicht mehr als 0,1 Sekunden von ihr entfernt beginnt. Der F1-Wert verbindet verpasste und zusätzliche Noten, 1,0 bedeutet also: jede Note und sonst nichts.

Außerdem haben wir zwei gesungene Aufnahmen aus einem Forschungsdatensatz verarbeitet, dessen Lizenz sie von dieser Website fernhält. Der F1-Wert stieg von 0,78 auf 0,89 und von 0,79 auf 0,87, und der Anteil der Takte, die mit einer Note beginnen, stieg von etwa einem Drittel auf neun von zehn oder mehr.

Sieben Aufnahmen, sechs davon unter einer Minute, sind eine Stichprobe zur Diagnose, kein Benchmark. Die Gitarrenaufnahmen gewinnen wenig, weil die meisten Fehler in ihren Entwürfen verpasste oder zusammengeführte Noten sind, die ein Korrekturdurchgang nicht wiederherstellen kann.

Was kann der Durchgang nicht?

• Eine Note zurückbringen, die der Entwurf verpasst hat. Jeder Gewinn in der Tabelle kam vom Entfernen zusätzlicher Noten, und verpasste Noten blieben in jedem Test verpasst.
• Jede echte Note von einer zusätzlichen unterscheiden. Bei vier der fünf Aufnahmen mit Referenz entfernte er neben den zusätzlichen Noten ein bis sechs echte; bei der Begleitung sechs von 117.
• Eine Aufnahme ohne Referenz für dich beurteilen. Bei einer Pop-Klavieraufnahme von 2:48 entfernte er die Phantomoktaven des Entwurfs und behielt die Figur der linken Hand im unteren Notensystem, aber nur deine Ohren können sagen, ob jede entfernte Note ein Phantom war.
• Mit Band-Aufnahmen zurechtkommen, in denen mehrere Stimmen in einem Mix liegen.

Wie lange dauert es?

Wenige Minuten nach dem Ende der Transkription: ein bis vier Minuten bei unseren Testaufnahmen von 19 bis 82 Sekunden und unter drei Minuten bei der Klavieraufnahme von 2:48. Die Partitur ist fertig, wenn der Durchgang endet, mit ein paar Sätzen dazu, was er geändert hat.