arnesanoVERSION 01
Klar & direkt
Etwas weniger untere Mitten, eine kleine Präsenzanhebung. Die Stimme bleibt nah und trocken.
−15 LUFS · -2.03 dBTP · 0 neue Schnitte
Ein Lernprojekt mit KI und Musik
Meine ersten Schritte
mit Astra und FL Studio.
Vom einfachen Prompt zum ersten Beat – und zu der Frage, wie eine KI Klang und Flow besser beurteilen kann. Hier dokumentiere ich unsere Versuche, Messungen und offenen Baustellen.
01 / Der Anfang
Ein Prompt, ein Beat, ein Rap-Sample
Ich habe Astra in einem einfachen Prompt gesagt, dass ich einen Beat brauche. Danach sollte ein Rap-Sample aus dem Internet dazukommen. So begann unser Experiment mit FL Studio.
Aus dem Beat und der Stimme entstand unser Ausgangspunkt. Für die Vergleiche hier nutzen wir eine gemeinsame Baseline ohne Stotter-Effekte: dieselbe musikalische Grundlage, an der wir Änderungen beurteilen können.
Zur tatsächlichen Quelle: Die verwendete Rap-Stimme stammt aus der mit FL Studio installierten Demo „Jay Cactus x Confz – Mic Check Ready“. Hintergrund-Adlibs kommen aus FL Cloud. Sample-Quellen ansehen →
Unsere Baseline anhören
Beat, Hauptstimme, Hintergrund-Adlibs und Übergänge – ohne Stotter-Effekte.
02 / Von der Recherche zur Methode
Unser Skill: fl-stuido-enhance
Danach habe ich Astra recherchieren lassen, wie KI FL Studio bedienen und Musik gezielter analysieren kann – unter anderem mit last30days. Aus der Recherche und unseren Versuchen entstand dieser Skill: eine wiederverwendbare Arbeitsanleitung mit Analysewerkzeugen.
Der Skill macht Audio für Astra besser „sichtbar“: WhisperX schätzt Wortpositionen, Essentia untersucht Rhythmus und Praat Tonhöhe und Stimmfarbe. Die Messung zeigt die Ergebnisse gemeinsam. Daraus soll Astra gezielte Änderungen ableiten und Vorher/Nachher prüfen. Den finalen Geschmack bringe ich selbst ein.
03 / Was wir konkret messen
Beispiel: Wird die Stimme wirklich weicher?
Bei Version 02, „Warm & trocken“, senken wir einen Bereich der oberen Mitten leicht ab. Zur Kontrolle zerlegt die Analyse die isolierte Hauptstimme in Frequenzbereiche und misst, wie viel Signalenergie jeweils darin liegt.
Ausgangspunkt · Baseline
Energieanteil bei 2–5 kHz5,06 %Bearbeitet · Warm & trocken
Energieanteil bei 2–5 kHz3,37 %Anteil an der gemessenen Energie zwischen 80 Hz und 12 kHz. Die Werte stammen aus unseren gerenderten Hauptstimmen.
Der Befund: In diesem Bereich steckt nach der Bearbeitung weniger relative Energie. Das passt zur beabsichtigten weicheren Stimme. Ob sie dadurch angenehmer klingt oder zu dumpf wird, entscheiden wir beim Hören.
Für einen faireren A/B-Vergleich sind beide Gesamtmixe auf −15 LUFS angeglichen – ein Maß für wahrgenommene Lautheit. So soll nicht einfach die lautere Version überzeugen. Diese Messung bewertet noch nicht den Rap-Flow.
04 / Unsere Hörversuche
Ausprobieren, vergleichen, weiter verbessern
Auf die Baseline aus Schritt 01 folgen hier fünf Mix-Varianten, fünf Effekt-Versuche und drei Überarbeitungen. Viele Stellen brauchen noch Feintuning. Auch misslungene Versuche bleiben als Vergleich erhalten.
Der nächste Schritt: Hörprobleme möglichst konkret und wiederholbar erfassen – etwa den Abstand eines Echo-Ausklangs zum nächsten Stimmeinsatz, eine Überlappung oder die rhythmische Lage eines Cuts. Dazu gehören Messunsicherheit und Hörvergleiche; eine einzelne Kennzahl macht noch keinen guten Flow.
Aus mehreren Vergleichen wollen wir prüfen, welche Messwerte tatsächlich mit unseren Hörurteilen zusammenhängen. Belastbare Erkenntnisse sollen zurück in fl-stuido-enhance fließen, damit seine Methoden besser werden. Einzelne Sample-Urteile sind dabei keine allgemeine Geschmacksregel.
In jeder Messung kannst du zwischen Baseline und Variante wechseln, einen Abschnitt wiederholen und eine konkrete Stelle markieren.
130 BPM7,69 s Rap · 15,84 s Beat26 geschätzte WortmarkerLaufende ExperimenteFünf Versuche mit Klang und Raum
VERSION 02
Warm & trocken
Mehr Körper, etwas weichere obere Mitten. Ein zurückhaltender Gegenpol zur Präsenz-Version.
−15 LUFS · -2.24 dBTP · 0 neue Schnitte
VERSION 03
Dicht & druckvoll
Eine leise parallel komprimierte Stimme stützt die leiseren Anteile. Die Anschläge bleiben im trockenen Signal.
−15 LUFS · -1.73 dBTP · 0 neue Schnitte
VERSION 04
Dunkler Raum
Gedämpfte Höhen und ein kurzer dunkler Raum hinter einer unverzögerten Hauptstimme.
−15 LUFS · -2.21 dBTP · 0 neue Schnitte
VERSION 05
Echo & Tiefe
Ein breiterer Raum und leise Viertel-Echos. Die Hauptstimme bleibt unverändert positioniert.
−15 LUFS · -2.08 dBTP · 0 neue Schnitte
Weitere Versuche / Versionen 06–10
Fünf Rap-Effektvarianten
Hier probieren wir bewusst hörbare Akzente aus: Stutter-Fills, tiefe Adlibs, Ping-Pong-Throws, Radio Punch-In und Reverse-Swells. Dieselbe stotterfreie Baseline, gleicher Beat und Lautheitsabgleich.
Mein aktuelles Fazit: Die Ergebnisse klingen ziemlich schlecht und sind noch nicht ausreichend. Die Effekte brauchen deutlich mehr Feintuning, damit Rhythmus, Flow und Klang zusammenpassen. Die Hörproben dokumentieren den aktuellen Experimentierstand.
Techniken, Quellen und PrüfungVERSION 06 · RAP FX
Pocket Stutter
Mein bisheriges Hörurteil: Insgesamt deutlich abgelehnt.
Zwei kurze 1/16-Fills nach „beat“ und „me“. Drei abfallende Wiederholungen, die Hauptstimme läuft vollständig durch.
-15.01 LUFS · -2.22 dBTP · 6 Effektfenster
VERSION 07 · RAP FX
Low Adlib Answers
Die letzten Wörter antworten als tiefere, dunkle Adlibs. Deutlich hörbare Akzente statt einer durchgehend gedoppelten Stimme.
-15.01 LUFS · -2.21 dBTP · 2 Effektfenster
VERSION 08 · RAP FX
Ping-Pong Throws
Mein bisheriges Hörurteil: Zweite „me me me“-Wiederholung deutlich abgelehnt. Kein Urteil über den ersten Throw ableiten.
Deutliche Echos auf den Endwörtern, abwechselnd links und rechts. Der Rest der Zeile bleibt vorn.
-15.00 LUFS · -2.19 dBTP · 5 Effektfenster
VERSION 09 · RAP FX
Radio Punch-In
Die erste Zeile wird eng, rau und telefonartig. Danach öffnet sich die Stimme wieder auf den normalen Klang.
-15.00 LUFS · -2.17 dBTP · 1 Effektfenster
VERSION 10 · RAP FX
Reverse Lift
Mein bisheriges Hörurteil: Ansatz interessant, diese Umsetzung abgelehnt.
Zwei rückwärts anschwellende Vocal-Räume führen in die Rap-Passagen. Die eigentlichen Wortanfänge bleiben trocken.
-15.01 LUFS · -2.18 dBTP · 2 Effektfenster
Nach dem ersten Hörvergleich
Drei gezielte Revisionen
Neue Versuche auf derselben Baseline. Die abgelehnten Fassungen bleiben zum Vergleich erhalten; diese Revisionen sind noch nicht abschließend abgehört.
VERSION 06 · RAP FX
Stutter R2 · Wort-Auftakt
Ein einziger Auftakt vor der zweiten Phrase: zwei aufsteigende Wiederholungen desselben Wortanfangs, danach das unveränderte Original.
-15.00 LUFS · -2.18 dBTP · 2 Effektfenster
VERSION 08 · RAP FX
Throws R2 · ohne Me-Kette
Das beanstandete zweite „me me me“ ist vollständig entfernt. Der erste Throw bleibt für einen gezielten Vergleich bestehen.
-15.00 LUFS · -2.18 dBTP · 2 Effektfenster
VERSION 10 · RAP FX
Reverse R2 · kurzer Sog
Nur ein kurzer Reverse-Hall vor der zweiten Phrase: dunkler, leiser und mit freiem Abstand zum echten Stimmeinsatz.
-15.00 LUFS · -2.17 dBTP · 1 Effektfenster
Prüfung der ursprünglichen fünf Varianten
Alle sechs Summen: −15,00 LUFS. Rap-Fenster: −13,61 bis −13,68 LUFS. True Peak unter −1,7 dBTP. Keine Vollaussteuerungs-Samples, keine Änderung von Clip-Länge oder Wortreihenfolge. Jede Version hat eine eigene Messung, Messdaten und getrennte Lead-, Effekt- und Begleitspuren.
Signalmerkmale liefern überprüfbare Gründe für diese Bearbeitungen. Sie garantieren keinen guten Klang. Einige Effekt-Versuche wurden beim Hören bereits abgelehnt; die Überarbeitungen brauchen weitere Vergleiche. Mixe und getrennte Spuren sind als WAV-Dateien verfügbar.
Verwendung, Quellen und Grenzen · Vollständiges Messprotokoll · Technische Prüfungen