Sampling im Zeitalter der algorithmischen (Re-)Produzierbarkeit
Im Kontext der digitalen Klangsynthese verschiebt sich durch maschinelles Lernen der Fokus von einzelnen Sample-Werten hin zu datenbasierten Repräsentationen, um digitale Audiosignale zu verarbeiten. Zunehmend läuft wahrnehmbare Ähnlichkeit der möglichst exakten Abbildung von Signalen den Rang ab. Diesbezüglich beleuchtet der Artikel anhand des Modells WaveNet technische Grundlagen, künstlerische Anwendungsmöglichkeiten und aktuelle Herausforderungen, mit besonderem Fokus auf die Implikationen für das Phänomen Sampling.
Cite
Hartmann, Tobias (2025): »Sampling im Zeitalter der algorithmischen (Re-)Produzierbarkeit«, in: Neue Zeitschrift für Musik, Hrsg.: Fricke, Stefan; Voithofer, Monika (für Schott Music, Mainz). Jahrgang 186, Nr. 1, S. 28–32. ISSN 0945-6945.
Cover Art Work: Neue Zeitschrift für Musik 1/2025
Human Artist: Tobias Hartmann, Model: FLUX1.1[pro] ultra, API: fal.ai, Date: 04.12.2024, Time: 2024-12-04T17:56:34.297093+00:00, Duration: 11,5822 ms, Request ID: bd72a1b6-fa6f-432a-a979-5cec074db671, Seed: 2104534859.
Prompt: a science-fiction inspired representation of data extracted by a neuronal network from audio-signal waveform, audio related words are written in small tags and pointing to single data points, black and white image, hi details, schematic or blueprint like, 3 dimensions.