Schreckliche Edge Cases, die man bei der Verarbeitung von Musik berücksichtigen muss (2022)

 (dustri.org)
2 Punkte von GN⁺ 2023-11-13 | 2 Kommentare | Auf WhatsApp teilen
  • Eine Sammlung von Beispielen aus dem Quellcode und Datenmodell von Navidrome: Schon bei Titel, Künstler, Album, Cover und Release gibt es in Musik-Metadaten viele schwer zu normalisierende Ausnahmen
  • Namen wie †, ★, ', (), <|°_°|>, Schrägstriche, Leerzeichen, Emojis, Formeln oder der EICAR-Teststring kollidieren leicht mit Dateinamen, Suche, Sortierung und Sicherheits-Tools
  • Alben ohne Titel, mehrere Cover, mehrere Alben mit gleichem Titel, Tracks mit 7, 13 oder 4723 Stunden sowie eine EP, bei der der Großteil von 99 Tracks aus je 4 Sekunden Stille besteht, brechen einfache Annahmen über Länge und Struktur musikalischer Einheiten
  • Mehrere Aliase derselben Person, Umbenennungen von Bands, regionale Namensunterschiede, mehrere Bands mit demselben Namen und überlappende internationalisierte Namen machen es schwierig, Künstler über einen einzigen String zu identifizieren
  • Datenbankschemata wie das von MusicBrainz unterteilen Album, Release, Artist, Alias und Track deshalb so fein, weil sie solche Ausnahmen in der Praxis tatsächlich verarbeiten müssen

Grundannahmen, die durch Titel und Namen gebrochen werden

  • Albumnamen in Musik-Metadaten wirken für Menschen kreativ, werden für Systeme aber zum Problem der Sonderzeichenverarbeitung
    • † von Justice
    • ★ von David Bowie
    • ' von Frank Zappa
    • () von Sigur Rós
    • Princes Love Symbol; Prince änderte 1993 auch seinen Künstlernamen in dieses Symbol und wurde als „The Artist Formerly Known as Prince“ bezeichnet
    • <|°_°|> von Caravan Palace
  • Auch Betriebssysteme und Dateisysteme kommen bei Namen ins Straucheln
    • Das Albumnamensschema von MASTER BOOT RECORD kann sowohl unter Windows als auch unter Linux Probleme verursachen
    • In Linux-Umgebungen fallen Namen wie ///////-//-///// von The You Suck Flying Circus besonders auf
    • C:/del*mp3 von Marco.V ist ein Titel, der wie ein Dateipfad aussieht
    • Auf Another Round Won't Get Us Down von Auto!Automatic!! gibt es einen Track namens \\\\\ und einen Track namens //////////
  • Auch Suche und Sortierung sind nicht einfach
    • Künstler im Vaporwave-Genre fügen manchmal Leerzeichen zwischen Buchstaben ein, wie bei A T R I U M von Hallmark '87
    • Laughing Mantis veröffentlichte den Song X5O!P%@AP[4\PZX54(P^)7CC)7}$EICAR-STANDARD-ANTIVIRUS-TEST-FILE!$H+H*, dessen Name dem String der EICAR-Testdatei entspricht

Titellos, missverständliche Titel und lange Titel

  • Alben können keinen Titel haben
    • Das neueste Album von Rammstein
    • Das vierte Album von Led Zeppelin
    • Das achte Album von KoЯn
  • Es gibt auch viele Albumnamen, die titellos wirken oder verwirrend sind
    • (untitled) von The Byrds
    • untitled von R Kelly
    • untilted von Autechre
    • Self-Titled Long-Playing Debut Album von +/-
    • Die A-Seite der 7-Zoll-Vinylsingle von Tintern Abbey heißt Beeside
    • Weezer veröffentlichte mehrere Alben mit dem Titel Weezer, in einem Fall sogar zweimal im selben Jahr
    • Ø (Disambiguation) von Underoath sorgt für Verwechslungen mit der Ø-Disambiguation-Seite auf Wikipedia
    • Title von Meghan Trainor
  • Sehr lange Albumnamen setzen UI, Suche und Anzeigeflächen unter Druck

Cover, Trackzahl, Länge und Release-Versionen

  • Manche Alben haben mehrere Cover, sodass die Annahme „ein Album = ein Cover“ nicht stimmt
    • Synchronicity von The Police hat 36 Covervarianten
    • Fate for Breakfast von Art Garfunkel hatte 6 Cover, scheiterte in den USA aber kommerziell, sodass die meisten nur eines davon gesehen haben
    • Do It Yourself von Ian Dury & The Blockheads hatte mindestens 34 Sleeves
  • Coverbilder selbst können auch Kontroversen oder zensierte Fassungen hervorbringen
  • Tracks können titellos sein oder schon mit ihrem Namen Verwirrung stiften
  • Bei Tracklängen und -strukturen gibt es extreme Fälle
    • „Doom Apocalypse X, The Ultimate Fate Of The Universe (Part IX: The Photon Era)“ von NǽnøĉÿbbŒrğ VbëřřĦōlökäävsŦ ist fast 7 Stunden lang, und das gesamte Album „The Ultimate Fate Of The Universe“ kommt auf knapp 23 Stunden
    • The Rise and Fall of Bossanova von Pipe Choir Three teilt einen 13-stündigen Song in 5 Teile
    • 209: Blurred With Tears And Suffering Beyond Hope von Bull of Heaven enthält einen Track mit 4723 Stunden 54 Minuten 37 Sekunden
    • Broken von Nine Inch Nails hat 99 Tracks, wobei die Tracks 7 bis 97 jeweils 4 Sekunden Stille sind
  • Die meisten Alben haben mehrere Versionen oder Releases
    • The Eminem Show hat 15 Versionen
    • All Lights Fucked on the Hairy Amp Drooling hat eine Kassette von 1994 mit 27 Tracks, eine Wiederveröffentlichung von 2022 mit 4 Tracks und einen Bootleg mit 31 Tracks
    • God Speed You Black Emperor! änderte seinen Namen 2002 in „Godspeed You! Black Emperor“
    • Bei Antares von Sybreed unterscheiden sich die Trackzahlen und der 11. Track der Japan-, USA-, Russland-, Schweiz-Promo- und Europa-Promo-Versionen
    • Die Single Close-Up von Art of Noise erschien in vier UK-Versionen mit derselben Katalognummer und demselben Sleeve, die unterschiedliche Tracks enthielten; eine davon hatte nicht einmal den Track „Close-Up“ selbst
    • Taylor Swift nimmt Alben neu auf, um die vollständigen Eigentumsrechte an ihrer Musik zurückzuerlangen
  • Auch Lizenzprobleme führen zu Unterschieden zwischen Releases

Fälle, in denen die Identifikation von Künstlern schwierig wird

  • Einem einzelnen Track können sehr viele Künstler zugeordnet sein
    • An „119 REMIX“ von GRAY sind, wie der Titel nahelegt, 119 Künstler beteiligt
  • Bands ändern ihren Namen oder verwenden je nach Region unterschiedliche Namen
    • GZR wird auf dem ersten Album als g//z/r, auf dem zweiten als geezer und auf dem dritten als GZR geschrieben
    • Ghost war eine Zeit lang nur in den USA als Ghost B.C. bekannt
    • Suede ist in den USA als „The London Suede“ bekannt
    • Zoviet France hat Schreibweisen wie :$OVIET:FRANCE:, Soviet France, :Zoviet-France: und :zoviet*france:
    • Invent, Animate änderten ihren Namen zu „Invent, Animate“, um nicht für zwei Künstler gehalten zu werden
  • Manche Künstler verwenden mehrere Namen
    • Aphex Twin hat viele Aliase, darunter Blue Calx, Caustic Window, Brian Tregaskin, The Dice Man, Polygon Window, Power-Pill, Richard D. James, GAK, The Tuss und user48736353001
    • Filipe Santos wird ebenfalls als Beispiel für mehrere Namen genannt
  • Bandnamen selbst bringen Such- und Sortierregeln durcheinander
  • Unterschiedliche Bands können denselben Namen verwenden
    • „Emperor“ kann auf eine norwegische Black-Metal-Band, einen Drum-and-Bass-Produzenten, einen Trance-Künstler, eine japanische Metal-Band, einen fiktiven Pinguin-Hip-Hop-Künstler aus der Welt von Arknights und weitere verweisen
    • Havamal kann sowohl eine Viking-Metal-Band als auch eine andere Viking-Metal-Band bezeichnen
    • Bulldog Breed kann zwei Bands aus Großbritannien bezeichnen, und beide veröffentlichten ein Album namens „Made in England“
    • Avishai Cohen bezeichnet zwei Jazzmusiker aus Israel
    • Gängige „coole“ Namen wie Revolver, Peace, Hybrid und End kommen häufig mehrfach vor
  • Internationalisierung erschwert die Identifikation zusätzlich
    • Пётр Ильич Чайковский, also Tchaikovsky, hat in MusicBrainz 31 Namen

Zeichenkodierung, Betriebssysteme und Datenmodell

  • Einige Künstler und Alben testen UTF-8-Unterstützung und die Verarbeitung durch Betriebssysteme
  • „Classical music“ wird ebenfalls nur als eigener Problembereich genannt
  • Als Lieblingsbeispiel wird brouillard genannt
    • Der Bandname ist brouillard, das einzige Mitglied heißt ebenfalls brouillard, und alle Alben sowie alle Tracks heißen ebenfalls brouillard
  • Wie man mit diesem Durcheinander umgeht, lässt sich am Datenbankschema von MusicBrainz erahnen

Verwandte Beiträge

2 Kommentare

 
kunggom 2023-11-13

Dieser Beitrag wurde bereits auf GeekNews veröffentlicht.
https://de.news.hada.io/topic?id=6319
 
GN⁺ 2023-11-13
Hacker-News-Meinungen

  • Ich erinnere mich, dass der Verkäufer ziemlich verwirrt war, als ich Metallicas "Kill 'Em All" in einem Secondhand-CD-Laden verkauft und dann wieder genau dasselbe "Kill 'Em All" gekauft habe.
    Manche Pressungen enthalten zusätzlich die beiden Coversongs Am I Evil und Blitzkrieg, und weil beide CDs dieselbe Identifikationsnummer hatten, wurde es noch verwirrender.
    Er fragte natürlich, warum ich die CD, die ich gerade verkauft hatte, wieder kaufen wollte; als ich es ihm zeigte, war er völlig perplex und meinte, so etwas habe er noch nie gesehen.

  • The The, so much for skipping articles like "A" or "The" I guess.

    Früher gab es ein Meme-Bild von einer Google-Suche nach "The Who", bei der über den Ergebnissen stand: "'The' wurde aus der Suchanfrage entfernt, weil es ein häufiges Wort ist" / "'Who' wurde aus der Suchanfrage entfernt, weil es ein häufiges Wort ist".

    • Eine der verbreiteten Forensoftwares ignorierte oder blockierte standardmäßig alle Suchbegriffe mit 3 Zeichen oder weniger.
      In technischen Foren, in denen viele Abkürzungen verwendet werden, ist das eine unglaublich nervige Einstellung.
    • Bandnamen, die Siri kaputtmachen, sind tatsächlich ein Problem in meinem Leben.
      Them, ihr seid gemeint O_o
    • Anfang bis Mitte der 2000er habe ich ziemlich viel mit der bekannten Statistiksoftware R gearbeitet.
      Damals brauchte man ziemlich konkrete Tricks, um bei Google herauszufinden, wie man etwas in R macht: Man musste wissen, wo die Mailinglisten-Archive lagen, und die Suche auf diese Domain beschränken.
      Später, als Google intern viel R zu nutzen begann, verschwand dieses Problem plötzlich.

  • Dass Taylor Swift ihre alten Songs alle neu aufgenommen und wiederveröffentlicht hat, ist ebenfalls ein ziemlich bekanntes Beispiel.
    Wenn jemand Alexa bittet, "Love Story" abzuspielen: Soll dann die Version laufen, bei der mehr Tantiemen an Taylor gehen, oder die Version, bei der mehr an irgendeinen Musikverlag geht?
    Wenn man die Beliebtheit eines Songs einordnet, sollte man die verschiedenen Versionen wahrscheinlich nicht wie unterschiedliche Songs behandeln.

    • In den meistgespielten Songlisten von Streaming-Diensten kommt es vor, dass derselbe Song zweimal in den Charts steht,
      weil es sowohl eine Single-Version als auch eine Album-Version gibt.

  • Verwandt: https://github.com/minimaxir/big-list-of-naughty-strings
    Die Big List of Naughty Strings ist eine Liste von Zeichenketten, die mit hoher Wahrscheinlichkeit Probleme verursachen, wenn sie als Benutzereingabedaten verwendet werden.

    • Ein verwandter und außerdem lustiger Beitrag: https://www.sempf.net/post/On-Testing1
    • Gängige LLM-Injection-Strings sollten ebenfalls in diese Liste aufgenommen werden.
    • Nach Jahrzehnten als Systemadministrator kann ich garantieren, dass die meisten Coder diese Liste nie gesehen haben und sie auch nie sehen werden :|

  • Es scheint, als sei einfach die Band A vergessen worden.
    Diese Band hat einen Song namens “nothing” veröffentlicht: https://en.wikipedia.org/wiki/Nothing_(A_song)
    Ich erinnere mich, dass ich früher Mühe hatte, ihre Alben bei Amazon zu finden, und es sieht auch heute nicht wirklich einfacher aus.

    • Oder auch das Jethro-Tull-Album A aus den frühen 80ern.
    • Als dieses Album herauskam, mochte ich es wirklich sehr.
      Aber die Suche danach war wirklich unmöglich, sodass ich am Ende die CD kaufen musste.

  • Some tracks are long

    Es scheint zwar nur um aufgenommene Tracks zu gehen, aber 13 Stunden sind Anfängerzahlen[0].
    [0] https://en.wikipedia.org/wiki/As_Slow_as_Possible#Halberstad...

    • Unter den aufgenommenen Tracks gibt es auch einen mit 4.700 Stunden.
      https://www.discogs.com/release/3580802-Bull-Of-Heaven-209-B...
      Es gibt auch einen 5,5 Jahre langen Track, aber nur ein Teil davon wurde veröffentlicht.
      https://www.discogs.com/release/3580806-Bull-Of-Heaven-210-L...
      Trotzdem sind das etwa 13.000 Stunden.
    • Es gibt ein kurzes Klavierstück[1], bei dem die ursprüngliche Anweisung des Komponisten lautete, es mehr als tausendmal zu wiederholen[2], sodass eine tatsächliche Aufführung über 24 Stunden dauert.
      Deshalb wird es natürlich fast nie aufgeführt.
      Es gibt auch Dinge wie John Cages As Slow as Possible; eine Aufführung läuft sogar noch.
      Sie begann 2001 und endet 2640, also sollte man sich vielleicht beeilen, wenn man das Ende miterleben will.
      [1] Es ist vermutlich ein Stück von Ravel, aber weder meine Erinnerung noch eine schnelle Suche passen gerade so richtig.
      [2] Ich glaube, es war eine etwas willkürlich klingende besondere Zahl wie 2347.
    • Das ist vielleicht nicht unbedingt gemeint, aber Titel können auch sehr lang sein.
      Mir fällt Sufjan Stevens’ "The Black Hawk War, or, How to Demolish an Entire Civilization and Still Feel Good About Yourself in the Morning, or, We Apologize for the Inconvenience but You're Going to Have to Leave Now, or, 'I Have Fought the Big Knives and Will Continue to Fight Them Until They Are Off Our Lands!'" ein.
      Das war der Song, der mir als jungem Script-Kiddie die 255-Zeichen-Beschränkung für vollständige Pfadlängen in FAT32 beigebracht hat.

  • Marco Vs C:\del.mp3* verdient ebenfalls eine besondere Erwähnung.
    https://www.discogs.com/release/133498-MarcoV-Cdelmp3-Solari...

    • Praktisch die Bobby Tables der Musikwelt.

  • Seit ich angefangen habe, Musik von emma essex zu hören, ist mir klar geworden, wie halbherzig Unicode-Verarbeitung selbst in der heutigen Zeit oft noch umgesetzt ist.
    Zu meinen Lieblingsbeispielen gehören „⎆“ aus dem Album „𝅙𝅙“ (U+1D159), „HHSU 𓃚 𝕮𝖆𝖒𝖇𝖎𝖚𝖒, 𝕏𝕪𝕝𝕖𝕞, 𝓗𝓮𝓪𝓻𝓽𝔀𝓸𝓸𝓭“, „♫♫♩♫‿♩ but it's 怒首領蜂 大往生“, „ｒｔｒｃ{（''»''）²２}：≞（''»''０１）；“ und andere.

    • Apple Music scheint den Song „⎆“ so sehr zu hassen, dass er in meinem Account komplett aus dem Album verschwunden ist.
    • Daraufhin habe ich nach einem Kommandozeilen-Tool gesucht, das UTF-8 in Unicode-Codepoints umwandelt, und es stellte sich heraus: Es ist uconv -x hex/unicode.
      Das erste Beispiel sieht größtenteils nach mathematischen alphanumerischen Symbolen aus.
      https://en.wikipedia.org/wiki/Mathematical_Alphanumeric_Symb...
      Ich frage mich, ob schon einmal jemand Unicode-Zeichen aus der Private Use Area verwendet hat.
      Das könnte interessante Ergebnisse liefern.
    • HN hat vermutlich einen Teil der Zeichen gelöscht.

  • GZR, also known as g//z/r on their first album, geezer on their second, and GZR on their third.

    Wenn sie den Bandnamen bei jedem Album geändert haben und alle drei Alben denselben Albumtitel gehabt hätten, wäre das beeindruckend gewesen.

    • Mit etwas wie album_grouping_key oder musicbrainz_albumid hätte man das vor 20 Jahren lösen können.
      „Furchtbar.“
    • Solche Grenzfälle bei Bandnamensänderungen lassen sich lösen, indem man Entitäten innerhalb des Datensatzes IDs zuweist und sie dadurch trennt.
      Ich bin mir an diesem Punkt nicht einmal sicher, ob man das noch als Grenzfall bezeichnen sollte.

  • Untilted von Autechre ist mein Lieblingsbeispiel für absichtlich verwirrende Albumtitel.
    Wie im Artikel erwähnt, ist beim Rendern in kleiner Schrift nicht eindeutig zu erkennen, dass der Titel nicht „Untitled“ lautet, selbst wenn man direkt darauf schaut.

    • Ich schwöre, ich habe das jahrelang gehört und erst kürzlich gemerkt, dass der Albumtitel nicht „untitled“ ist.
      Gut gemacht, Ae!