Koneoppimisen hyödyntäminen historiallisten lauluäänitteiden rekonstituutiossa: Maikki Järnefelt-Palmgrenin ääntä etsimässä

Koneoppimisen kyky käsitellä ja jäsentää valtavia datamääriä äärimmäisen nopeasti avaa loputtomasti mahdollisuuksia tutkimukselle, luovuudelle ja innovaatiolle. Hankkeessani kehitetään koneoppimismenetelmä, jolla voidaan parantaa historiallisten lauluäänitteiden äänenlaatua ja tuoda lähemmäksi nykypäivän standardeja, eli poistaa äänitystekniikasta ja ajan patinasta johtuvia häiriöääniä sekä generoida äänitysvaiheessa leikkaantuneet taajuudet. Tehtävään soveltuva koneoppimismenetelmä, syväoppiva hermoverkko, oppii analysoimalla dataa. Opetusdatan tarkoitus on johdattaa hermoverkko tunnistamaan erot historiallisen ja nykyaikaisen äänitteen välillä ja sen jälkeen generoimaan paranneltu versio, rekonstituutio, historiallisista äänitteistä. Historiallisten äänitysten simulointi, eli äänittäminen historiallisin menetelmin ja samaan aikaan toteutettu moderni äänitys tuottaa vastinparin, jonka avulla voidaan arvioida hermoverkon toimintaa. Lisäksi vastinparin avulla avautuu mahdollisuus verrata historiallisten äänityslaitteiden vaikutusta laulajan ääneen. Äänityksistä saatava kokemusperäinen tieto historiallisista äänitteistä ja esittämiskäytännöistä, auttaa analysoimaan historiallisia äänitteitä entistä herkemmällä korvalla. Hankkeen toteuttaminen vaatii perehtymistä historiallisiin äänityslaitteistoihin sekä musiikin esittämiskäytäntöihin ja esittäjiin. 1900-luvun alku on ollut monin tavoin merkittävää aikaa suomalaisen taiteen kannalta. Tuolta ajalta on lukuisia merkkiteoksia, joiden ääreen palaamme yhä vain uudestaan ja uudestaan. Äänitteiden joukosta löytyy myös kandidaatteja tähän merkittävien teosten joukkoon, vaikka suuri yleisö ei niitä tunnekaan. Historialliset äänitteet, historiallisella laitteistolla 2020-luvulla tehdyt äänitteet sekä rekonstituutiot tuottavat erityisen aineiston, josta riittää ammennettavaa tuleviin tutkimuksiin, mutta myös mielenkiintoista taide-elämyksiä suurelle yleisölle.