Ein spektrogrammbasierter neuronaler Detektor erkannte Gesang mit Auto-Tune mit 94,75% Genauigkeit, gegenüber 79,33% für die RawNet2-Audioreferenz, mit der er verglichen wurde (Gohari et al., IEEE WIFS 2024). Tonhöhenkorrektur hinterlässt einen Fingerabdruck, den Maschinen lesen können, auch wenn das menschliche Ohr großzügig ist: In unbearbeiteten Aufnahmen ist ein falscher Ton, der mit Text gesungen wird, schwerer zu erkennen als einer auf einer neutralen Silbe (Weiss und Trehub, Psychology of Music 2023). Die Akzeptanz ist nach Alter gespalten: 78,4% der Befragten der Generation Z akzeptieren Auto-Tune, gegenüber 31,2% der Babyboomer in einer Umfrage von 2025 (Xie und Kim, Journal of Computing and Biomedical Informatics 2025). Und das Rohmaterial, mit dem die Werkzeuge arbeiten, ist alles andere als perfekt: In 22% der Aufnahmen ohne Begleitung drifteten Sänger deutlich von ihrer Anfangstonhöhe ab (Mauch, Frieler und Dixon, JASA 2014). Wir haben Daten von Billboard, der Recording Academy, Antares Audio Technologies, begutachteten Wahrnehmungsstudien in Psychology of Music, Behavior Research Methods, Music and Science und JASA sowie Signalverarbeitungsarbeiten von IEEE WIFS, ICASSP und Data in Brief zusammengeführt. Wenn Sie von unseren Statistiken zu Konzertstimmton und A=440-Stimmung kommen, führt diese Zusammenstellung vom Referenzton, auf den ein Orchester sich stimmt, zur Software, die eine Stimme auf ihn zieht.
Ein kurzer Hinweis zur durchgehend verwendeten Einheit: Tonhöhenabstände werden in Cent gemessen, wobei 100 Cent einem Halbton (einer Klaviertaste) und 50 Cent einem Viertelton entsprechen.
TL;DR
- Chers ‘Believe’ verbrachte 4 Wochen auf Platz 1 der Billboard Hot 100 (Billboard Canada, 25 Jahre Believe, 2023).
- Celemony, der Hersteller von Melodyne, wurde 1997 gegründet und erhielt bei den 54. GRAMMY Awards einen Technical GRAMMY (Recording Academy, Technical GRAMMY: Celemony).
- Rund 85-90% der Menschen können sauber singen, während etwa 10-15% besonders ungenau sind (Dalla Bella et al., Frontiers in Psychology 2011).
- Deutliche Tonhöhendrift zeigte sich in 22% von 72 Aufnahmen ohne Begleitung, bei p < 0,01 (Mauch, Frieler und Dixon, JASA 2014).
- 95% von 333 Hörern hatten eine Fähigkeit zur Erkennung von Verstimmungen zwischen 36,309 und 82,589 Cent (Larrouy-Maestri et al., Behavior Research Methods 2019).
- Chorleiter und Gesangslehrer bewerteten 11 von 16 vollständig korrigierten Tonleitern bei der Intonation mit weniger als 80 von 120 Punkten (Michael und Gilman, Journal of Singing 2021).
- Hörer bevorzugten einen automatischen Korrektor in 79% der Vergleiche, wenn das Original 40 bis 60 Cent danebenlag (Wager et al., ICASSP 2020).
- 78,4% der Generation Z gegenüber 31,2% der Babyboomer akzeptieren Auto-Tune auf Aufnahmen (Xie und Kim, Journal of Computing and Biomedical Informatics 2025).
- Ein Detektor behielt nach MP3-Kompression 87,55% Genauigkeit bei Gesang mit Auto-Tune, gegenüber 56,67% für die Referenz (Gohari et al., IEEE WIFS 2024).
- Der ATDD-Datensatz enthält 21.249 beschriftete Segmente zur Auto-Tune-Erkennung in drei Sprachen (Gohari et al., Data in Brief 2026).
1. Meilensteine: Wie die Tonhöhenkorrektur in die Charts kam
Tonhöhenkorrektur ist keine 30 Jahre alt: Die Veröffentlichung von Auto-Tune und die Gründung von Celemony datieren beide auf 1997. Die Software wurde gebaut, um Töne unauffällig zu korrigieren; berühmt wurde sie aus dem gegenteiligen Grund, als ein Hit die Korrektur hörbar machte. Chers ‘Believe’ verbrachte 4 Wochen auf Platz 1 der Billboard Hot 100, und Billboard Canada schreibt der Single von 1999 zu, “der Welt die Wunder von AutoTune vorgestellt” zu haben (Billboard Canada, 2023).
Die Auszeichnungen der Branche selbst zeichnen denselben Bogen nach. Die Recording Academy verlieh Celemony, dem Hersteller von Melodyne, bei den 54. GRAMMY Awards einen Technical GRAMMY und hält fest, dass Peter Neubäcker Melodyne auf der Winter-NAMM-Show 2001 vorstellte (Recording Academy, Technical GRAMMY Award: Celemony). Antares gibt an, dass sein Gründer Andy Hildebrand den Technical GRAMMY 2023 erhielt (Antares-Blog, 2023), was eine Mitteilung des Herstellers selbst ist.
| Metrik | Wert | Quelle |
|---|---|---|
| Datum der öffentlichen Veröffentlichung von Auto-Tune (Angabe des Herstellers selbst) | 19. September 1997 | Antares Audio Technologies, The Science Behind Auto-Tune 2026 (Herstellerangabe) |
| Länder, in denen ‘Believe’ Platz eins erreichte (Angabe des Herstellers selbst) | 23 | Antares Audio Technologies, Beitrag zum Technical GRAMMY 2023 (Herstellerangabe) |
| Wochen von Chers ‘Believe’ auf Platz 1 der Billboard Hot 100 | 4 | Billboard Canada, 25 Jahre Believe, 2023 |
| GRAMMY-Nominierungen für ‘Believe’ (Single und Album) gegenüber Gewinnen | 3 Nominierungen, 1 Gewinn (beste Dance-Aufnahme) | Billboard Canada, 25 Jahre Believe, 2023 |
| Gründungsjahr von Celemony, dem Unternehmen hinter Melodyne | 1997 | Recording Academy, Technical GRAMMY Award: Celemony |
| Jahr der Vorstellung von Melodyne (Winter-NAMM-Show) | 2001 | Recording Academy, Technical GRAMMY Award: Celemony |
| GRAMMY-Verleihung, bei der Celemony einen Technical GRAMMY erhielt | 54. GRAMMY Awards (Special Merit Awards 2012) | Recording Academy, Technical GRAMMY Award: Celemony |
Hinweis zum Kontext: Derselbe Herstellerbeitrag datiert die Veröffentlichung von ‘Believe’ auf den 22. Oktober 1998; die Zahl von 23 Ländern und dieses Datum stammen aus dem Blog des Herstellers selbst und sind keine unabhängigen Chartdaten. Wir fanden keine verifizierbare, begutachtete Zählung, wie viele aktuelle Chart-Hits tonhöhenkorrigiert sind; siehe den Hinweis Data watch in der Methodik.
2. Wie genau Menschen ohne Korrektur singen
Tonhöhenkorrektur gibt es, weil die menschliche Stimme ein ungenaues Instrument ist, aber der Abstand ist kleiner, als das Klischee “jeder braucht Auto-Tune” nahelegt. Das größere Problem ist nicht, einen Ton einmal zu treffen, sondern eine Referenz über die Zeit zu halten: In 22% von 72 Aufnahmen ohne Begleitung drifteten die Sänger deutlich von ihrer Anfangstonhöhe ab (p < 0,01) (Mauch, Frieler und Dixon, JASA 2014). Drift (ein langsames Abrutschen der gesamten Darbietung nach oben oder unten) ist genau das, was ein tonartgebundener Korrektor entfernt, weil er jeden Ton auf eine feste Tonleiter zurückzieht.
Der Studienstimulus war ‘Happy Birthday’, gesungen auf der Silbe “na” von 24 Sängern unterschiedlichen Könnens. Ein breiterer Überblick rückt die Bevölkerungszahlen ins rechte Licht: Die meisten Menschen können eine Melodie halten, und die eigentliche Schwäche ist die Konstanz (Dalla Bella, Berkowska und Sowiński, Frontiers in Psychology 2011). Neueste verfügbare Daten: Überblicksarbeit in Frontiers in Psychology 2011 und JASA 2014; neuere Bevölkerungsstudien mit denselben Messgrößen sind selten.
| Metrik | Wert | Quelle |
|---|---|---|
| Mediane absolute Tonhöhendrift bei einer etwa 50 Sekunden langen Darbietung ohne Begleitung (24 Sänger) | 11 Cent | Mauch, Frieler und Dixon, JASA 2014 |
| Aufnahmen mit statistisch signifikanter Drift (von 72) | 22% (16) bei p < 0,01; 38% (27) bei p < 0,05 | Mauch, Frieler und Dixon, JASA 2014 |
| Medianer Fehler des Intervalls zwischen aufeinanderfolgenden gesungenen Tönen | 0,267 Halbtöne (etwa 27 Cent) | Mauch, Frieler und Dixon, JASA 2014 |
| Anteil der Allgemeinbevölkerung, der beim Erzeugen der Tonhöhe besonders ungenau ist | etwa 10-15% | Dalla Bella, Berkowska und Sowiński, Frontiers in Psychology 2011 |
| Anteil der Allgemeinbevölkerung, der in systematischen Tests sauber singen kann | rund 85-90% | Dalla Bella, Berkowska und Sowiński, Frontiers in Psychology 2011 |
| Anteil, der als ungenau eingestuft wird, wenn die Konstanz wiederholter Versuche mitgezählt wird | etwa 55% | Pfordresher et al. 2010, zusammengefasst in Dalla Bella et al., Frontiers in Psychology 2011 |
| Durchschnittliche Abweichung von den korrekten musikalischen Intervallen, Gelegenheitssänger gegenüber Berufssängern | 0,6 Halbtöne gegenüber 0,3 Halbtönen | Dalla Bella et al. 2007, zusammengefasst in Dalla Bella et al., Frontiers in Psychology 2011 |
| Wie weit Berufssänger bei Intervallen danebenliegen können, gemessen an der gleichstufigen Stimmung | 20-25 Cent | Vurma und Ross 2006 sowie Zurbriggen et al. 2006, zusammengefasst in Dalla Bella et al., Frontiers in Psychology 2011 |
Hinweis zu Ausreißern: In dieser Studie korrelierte die Drift weder mit der Gesangserfahrung noch mit anderen Genauigkeitsmaßen, und die meisten signifikanten Driften gingen nach oben. Chorerfahrung ging mit genaueren Tönen und Intervallen einher, verhinderte das Abrutschen aber nicht zuverlässig.
3. Wie viel Verstimmung Hörer tatsächlich wahrnehmen
Hörer sind tolerant, und diese Toleranz ist die verborgene Ökonomie der Tonhöhenkorrektur: Sie muss einen Ton nur weit genug verschieben, um die Schwelle des Hörers zu überschreiten, nicht bis zur Perfektion. Die Kalibrierung des Mistuning Perception Test verwendete echte Popaufnahmen und verschob die Leadstimme gegenüber der Begleitspur. 95% von 333 Hörern hatten Fähigkeiten, die Tonhöhenverschiebungen zwischen 36,309 und 82,589 Cent entsprachen (Larrouy-Maestri, Harrison und Müllensiefen, Behavior Research Methods 2019). Einfach gesagt: Für fast alle in dieser Stichprobe musste eine Stimme mehr als einen Drittelhalbton danebenliegen, bevor der Fehler zuverlässig erkennbar wurde.
Die Validierungsstichprobe mit 66 Personen konnte zwei einfache Töne bei einem Median von 24,0 Cent unterscheiden, sodass der Mix selbst Fehler verbirgt, die das Ohr isoliert hören könnte. Stimmen sind außerdem schwerer zu beurteilen als Instrumente: Musiker mit absolutem Gehör (der Fähigkeit, einen Ton ohne Referenz zu benennen) benannten gesungene Töne weniger genau als Bratschentöne (Gao und Oxenham, JASA 2022). Unsere Statistiken zur Tonhöhengenauigkeit bei der Gesangsstimmensynthese betrachten dieselben Schwellen aus der Perspektive KI-generierten Gesangs. Neueste verfügbare Daten: Behavior Research Methods 2019 und Music and Science 2018.
| Metrik | Wert | Quelle |
|---|---|---|
| Bereich der in Popmusik-Ausschnitten getesteten Gesangsverstimmung, unterhalb und oberhalb des Zielwerts | 10 bis 100 Cent, in 5-Cent-Schritten | Larrouy-Maestri, Harrison und Müllensiefen, Behavior Research Methods 2019 |
| Tonhöhenverschiebung, die den Fähigkeiten von 95% der 333 Kalibrierungs-Hörer entspricht | 36,309 bis 82,589 Cent | Larrouy-Maestri, Harrison und Müllensiefen, Behavior Research Methods 2019 |
| Retest-Reliabilität des adaptiven Tests mit 30 Aufgaben (Validierungsstichprobe mit 66 Personen) | r = 0,698 (95%-KI 0,544 bis 0,806) | Larrouy-Maestri, Harrison und Müllensiefen, Behavior Research Methods 2019 |
| Mediane Schwelle zur Unterscheidung zweier einfacher Töne, gleiche Validierungsstichprobe | 24,0 Cent | Larrouy-Maestri, Harrison und Müllensiefen, Behavior Research Methods 2019 |
| Toleranz der Hörer gegenüber Verstimmung in gesungenen Melodien | die Hälfte eines Viertelstons (25 Cent, da ein Viertelton 50 Cent beträgt) | Larrouy-Maestri, Music and Science 2018 |
| Intervallfehler, den die meisten Hörer nicht zuverlässig als verstimmt beurteilten | 40 Cent | Vurma und Ross 2006, zusammengefasst in Mauch, Frieler und Dixon, JASA 2014 |
| Kleinster wahrnehmbarer Frequenzunterschied bei typischen Gesangsfrequenzen bis 800 Hz | unter 17 Cent | Henning 1955, zusammengefasst in Mauch, Frieler und Dixon, JASA 2014 |
| Chance, einen gesungenen Ton richtig zu benennen, gegenüber einem Bratschenton, Musiker mit absolutem Gehör (n = 55) | Odds Ratio 0,49 (95%-KI 0,34 bis 0,71) | Gao und Oxenham, JASA 2022 |
Hinweis zum Kontext: Die beiden Toleranzwerte derselben Forschungsgruppe messen unterschiedliche Dinge. Die Studie von 2018 fand “eine überraschend geringe Toleranz”, als Hörer isolierte gesungene Melodien beurteilten (Music and Science 2018), während der Test von 2019 die Stimme in einen vollständigen Popmix einbettet, in dem die Schwellen höher liegen.
4. Text, Gesang mit Auto-Tune und Erkennung von Tonhöhenfehlern
Worte sind eine natürliche Tarnung für falsche Töne, und Tonhöhenkorrektur nimmt einen Teil dieser Tarnung weg. In einer Reihe von vier Experimenten mit Studierenden (die Autoren nahmen eine überwiegend kanadische Stichprobe an) hörten Probanden bekannte Lieder, in denen ein Ton um 50 oder 100 Cent verschoben war. Text machte Fehler schwerer erkennbar als die Silbe “la”, mit einer Effektstärke von d = 0,74, aber sobald Auto-Tune das natürliche Tonhöhenwackeln innerhalb jedes Tons entfernte, fiel der Texteffekt auf d = 0,26 (Weiss und Trehub, Psychology of Music 2023). Die Autoren folgern, dass die wechselnden Klänge der Wörter, mehr als ihre Bedeutung, die Verfolgung der Tonhöhe stören.
Die Erkennungswerte unten sind Treffer minus Fehlalarme, sodass 1,0 perfekt wäre und 0 Raten bedeuten würde. Dasselbe Mikrowackeln ist auch für die Aufmerksamkeit wichtig: In einem verwandten Forschungsstrang war der Leadgesang für Studierende der Universität Oldenburg der am leichtesten herauszuhörende Teil eines Popmixes (Bürgel, Picinali und Siedenburg, Frontiers in Psychology 2021), und eine Folgestudie, in der die Stimme mit Auto-Tune bearbeitet wurde, kam zu dem Schluss, dass diese Frequenz-Mikromodulationen “ein wichtiges akustisches Merkmal sind, das zur Hervorgehobenheit der Stimme beiträgt” (Bürgel und Siedenburg, Music Perception 2023).
| Metrik | Wert | Quelle |
|---|---|---|
| Erkennungswert für einen verstimmten Ton, mit Text gesungen gegenüber auf “la” (24 Erwachsene, Experiment 1) | 0,273 gegenüber 0,392 | Weiss und Trehub, Psychology of Music 2023 |
| Erkennungswert für einen 50-Cent-Fehler gegenüber einem 100-Cent-Fehler (Experiment 1) | 0,188 gegenüber 0,477 | Weiss und Trehub, Psychology of Music 2023 |
| Effekt von Text gegenüber “la” auf die Erkennung, unbearbeitete Aufnahmen | d = 0,74 | Weiss und Trehub, Psychology of Music 2023 |
| Effekt von Text gegenüber “la”, nachdem Auto-Tune die Tonhöhenschwankung innerhalb der Töne entfernt hatte (29 Erwachsene, Experiment 2) | d = 0,26 | Weiss und Trehub, Psychology of Music 2023 |
| Genauigkeit der Erkennung des Leadgesangs in Popmixes nach spektraler Demaskierung (Experiment 2) | 96% (93-99%) | Bürgel, Picinali und Siedenburg, Frontiers in Psychology 2021 |
| Veränderung der Erkennungsgenauigkeit bei umgekehrter Darbietungsreihenfolge, Leadgesang gegenüber Bass (Experiment 1, unveränderte Ausschnitte) | -2% gegenüber -19% | Bürgel, Picinali und Siedenburg, Frontiers in Psychology 2021 |
Hinweis zum Kontext: Alle Stimuli der Textstudie wurden zuerst mit Melodyne bereinigt, was die Autoren als Erzeugung “natürlich klingender, hochwertiger Aufnahmen” beschreiben. Die Folgestudie in Music Perception von 2023 berichtet ihre Effekte nur in Abbildungen, auf die wir nicht zugreifen konnten, sodass hier keine Zahlen daraus erscheinen.
5. Klingt Gesang mit Korrektur besser, und für wen?
Korrektur ist kein automatisches Upgrade. Als 16 Chorleiter und Gesangslehrer Tonleitern bewerteten, die Melodyne auf exakte Tonhöhen gezogen hatte, schnitten die “perfekten” Fassungen nicht perfekt ab: 11 von 16 vollständig korrigierten Tonleitern erreichten im Mittel weniger als 80 auf einer Intonationsskala von 0 bis 120, und 3 erreichten im Mittel weniger als 60 (Michael und Gilman, Journal of Singing 2021). Experten beurteilen Intonation nach mehr als dem Abstand zu einem Stimmgerät.
Hörtests zeigen dasselbe Muster. Zehn geschulte Hörer verteilten sich fast gleichmäßig auf einen neuronalen Korrektor und die originale Karaoke-Aufnahme, bevorzugten die Korrektur aber deutlich, wenn der Sänger klar danebengelegen hatte (Wager et al., Deep Autotuner, ICASSP 2020). Auch der Geschmack ist generationsabhängig: Eine 2025 veröffentlichte Umfrage unter 847 Personen fand eine weit höhere Akzeptanz von Auto-Tune bei der Generation Z als bei den Babyboomern (Xie und Kim, Journal of Computing and Biomedical Informatics 2025). Neueste verfügbare Daten zu den Hörtests: Journal of Singing 2021 und ICASSP 2020.
| Metrik | Wert | Quelle |
|---|---|---|
| Erfahrene Gesangslehrer, die die Tonleitern von 40 Sängern bewerteten (Studie Eins) | 10 | Michael und Gilman, Journal of Singing 2021 |
| Vollständig korrigierte Tonleitern (‘Temperiert’, jede Tonhöhe auf den exakten Ton gezogen) mit einem Mittel unter 80 von 120 bei der Intonation | 11 von 16 | Michael und Gilman, Journal of Singing 2021 |
| Vollständig korrigierte Tonleitern mit einem Mittel unter 60 von 120 | 3 von 16 | Michael und Gilman, Journal of Singing 2021 |
| Typische Abweichung der originalen, unkorrigierten gesungenen Tonleitern | überwiegend innerhalb von 30 Cent um jede beabsichtigte Tonhöhe | Michael und Gilman, Journal of Singing 2021 |
| Entscheidungen der Hörer, neuronaler Korrektor gegenüber originaler Karaoke-Aufnahme | 33 gegenüber 35 (49%, p = 0,45) | Wager et al., ICASSP 2020 |
| Entscheidungen der Hörer, auf Halbtöne einrastender Referenzkorrektor gegenüber Originalaufnahme | 24 gegenüber 34 (41%, p = 0,12) | Wager et al., ICASSP 2020 |
| Präferenz für die korrigierte Fassung, wenn die Tonabweichung des Originals (Standardabweichung) 40 bis 60 Cent betrug | 79% (19 von 24) | Wager et al., ICASSP 2020 |
| Akzeptanz von Auto-Tune auf Aufnahmen, Generation Z gegenüber Babyboomern (Umfrage, n = 847) | 78,4% gegenüber 31,2% | Xie und Kim, Journal of Computing and Biomedical Informatics 2025 |
Hinweis zum Kontext: Der Deep Autotuner wurde mit 4.702 Amateur-Karaoke-Darbietungen trainiert, die von der Gesangs-App Smule gesammelt wurden. In der Studie zur Generationenumfrage erzielte Auto-Tune 52,3% “Abspielbarkeit insgesamt” (playability) gegenüber 64,7% für Sampling, neben einer akustischen Analyse von 240 R&B-Songs von 1980 bis 2023; die Studie definiert die Abspielbarkeit nicht und sagt nicht, wo die Befragten lebten.
6. Auto-Tune erkennen: Genauigkeit der Maschinen und verräterische Einstellungen
Der hörbare “Hard-Tune”-Klang stammt aus einer einzigen Einstellung. Antares gibt an, dass natürlich klingende Korrektur eine Retune-Geschwindigkeit (Retune Speed, wie schnell die Software einen Ton auf den Zielwert zieht) von 20 bis 50 Millisekunden verwendet, während der klassische Effekt bei 0 bis 10 Millisekunden liegt (Antares, The Science Behind Auto-Tune 2026); das sind Richtwerte des Herstellers selbst. Detektoren werden genau auf dieses augenblickliche Einrasten trainiert: Die Forscher erzeugten ihre Auto-Tune-Clips, indem sie jeden Frame auf den nächstgelegenen Ton verschoben.
Der beste spektrogrammbasierte Detektor erreichte 94,75% Segmentgenauigkeit und behielt nach MP3-Kompression 87,55%, wo die RawNet2-Referenz auf 56,67% fiel (Gohari et al., IEEE WIFS 2024). Dasselbe Team hat inzwischen einen mehrsprachigen Trainingsdatensatz veröffentlicht (Gohari et al., ATDD, Data in Brief 2026). Wie weit die Automatisierung an anderer Stelle der Signalkette vorgedrungen ist, zeigen unsere Statistiken zur Verbreitung von KI-Audio-Mastering. Echtzeit-Tonhöhenverfolgung treibt außerdem Live-Stimmeffekte an, wie sie auf unserer Seite zu Stimmeffekten für Streamer aufgeführt sind.
| Metrik | Wert | Quelle |
|---|---|---|
| Segmentgenauigkeit, spektrogrammbasierter Detektor (ResNet50) gegenüber RawNet2-Referenz | 94,75% gegenüber 79,33% | Gohari et al., IEEE WIFS 2024 |
| Genauigkeit nach MP3-Kompression, bester Detektor (ResNeXt) gegenüber Referenz | 87,55% gegenüber 56,67% | Gohari et al., IEEE WIFS 2024 |
| Genauigkeit bei zugefügtem Rauschen, Geschwindigkeitsänderungen und Zeitverschiebungen, bester Detektor (EfficientNet) | 90,72% | Gohari et al., IEEE WIFS 2024 |
| Trainingspaare aus 10-Sekunden-Gesangsclips aus dem VocalSet-Korpus (10,1 Stunden, 20 Sänger) | 3.613 | Gohari et al., IEEE WIFS 2024 |
| Beschriftete 10-Sekunden-Segmente im ATDD-Datensatz zur Auto-Tune-Erkennung | 21.249 | Gohari et al., Data in Brief 2026 |
| ATDD-Segmente nach Sprache: Mandarin / Englisch / Japanisch | 12.560 / 6.321 / 2.368 | Gohari et al., Data in Brief 2026 |
| Anteil jedes ATDD-Segments, der mit Auto-Tune bearbeitet ist | 20% bis 80% seiner Länge | Gohari et al., Data in Brief 2026 |
| Retune-Geschwindigkeit für den klassischen Hard-Tune-Effekt gegenüber natürlicher Korrektur (Angabe des Herstellers selbst) | 0-10 ms gegenüber 20-50 ms | Antares Audio Technologies, The Science Behind Auto-Tune 2026 (Herstellerangabe) |
Hinweis zum Kontext: Beide Erkennungsstudien erzeugen ihr Auto-Tune-Audio mit offenen Verfahren (PYIN-Tonhöhenverfolgung plus PSOLA-Tonhöhenverschiebung), nicht mit kommerziellen Plug-ins, und die Autoren merken an, dass dies möglicherweise nicht dem professionellen Auto-Tuning entspricht. Der Hersteller gibt separat eine Latenz von 2,5 ms (112 Samples bei 44,1 kHz) für sein AutoTune-2026-Plug-in an (Antares, Auto-Tune for rap and hip-hop 2026), wiederum eine Herstellerzahl.
Zusammenfassung: Auto-Tune und Tonhöhenkorrektur in der Popmusik in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Datum der öffentlichen Veröffentlichung von Auto-Tune (Angabe des Herstellers selbst) | 19. September 1997 | Antares Audio Technologies 2026 (Herstellerangabe) |
| Wochen von Chers ‘Believe’ auf Platz 1 der Billboard Hot 100 | 4 | Billboard Canada 2023 |
| Gründungsjahr von Celemony, dem Unternehmen hinter Melodyne | 1997 | Recording Academy, Technical GRAMMY Award: Celemony |
| Jahr der Vorstellung von Melodyne | 2001 | Recording Academy, Technical GRAMMY Award: Celemony |
| Aufnahmen mit deutlicher Tonhöhendrift, Gesang ohne Begleitung | 22% von 72 (p < 0,01) | Mauch, Frieler und Dixon, JASA 2014 |
| Anteil der Menschen, die sauber singen können | rund 85-90% | Dalla Bella et al., Frontiers in Psychology 2011 |
| Tonhöhenverschiebung, die 95% der Fähigkeiten von 333 Hörern zur Erkennung von Verstimmungen entspricht | 36,309 bis 82,589 Cent | Larrouy-Maestri et al., Behavior Research Methods 2019 |
| Chance, einen gesungenen Ton richtig zu benennen, gegenüber einem Bratschenton, Musiker mit absolutem Gehör | Odds Ratio 0,49 | Gao und Oxenham, JASA 2022 |
| Effekt von Text gegenüber “la” auf die Erkennung falscher Töne, unbearbeiteter gegenüber mit Auto-Tune bearbeitetem Gesang | d = 0,74 gegenüber d = 0,26 | Weiss und Trehub, Psychology of Music 2023 |
| Genauigkeit der Erkennung des Leadgesangs in Popmixes nach spektraler Demaskierung | 96% | Bürgel et al., Frontiers in Psychology 2021 |
| Vollständig korrigierte Tonleitern mit einem Mittel unter 80 von 120 in den Bewertungen von Chorleitern und Gesangslehrern | 11 von 16 | Michael und Gilman, Journal of Singing 2021 |
| Präferenz für einen neuronalen Korrektor gegenüber der Originalaufnahme, insgesamt | 49% (p = 0,45) | Wager et al., ICASSP 2020 |
| Präferenz für Korrektur, wenn das Original 40 bis 60 Cent danebenlag | 79% (19 von 24) | Wager et al., ICASSP 2020 |
| Akzeptanz von Auto-Tune, Generation Z gegenüber Babyboomern | 78,4% gegenüber 31,2% | Xie und Kim 2025 |
| Genauigkeit des Auto-Tune-Detektors gegenüber RawNet2-Referenz | 94,75% gegenüber 79,33% | Gohari et al., IEEE WIFS 2024 |
| Beschriftete Segmente im ATDD-Datensatz zur Auto-Tune-Erkennung | 21.249 | Gohari et al., Data in Brief 2026 |
Methodik und Quellen
Wir haben gezielte Suchen durchgeführt und die Primärdokumente direkt gelesen (Volltexte von Fachzeitschriften, Preprints, Konferenzbeiträge und die eigenen Seiten der Organisationen). Jede Zahl oben wurde während der Recherche in einer abgerufenen Quelle gelesen; Zahlen, die nur in Suchergebnis-Snippets zu sehen waren, wurden verworfen.
- Billboard Canada: Cher zum 25. Jubiläum von ‘Believe’ (2023): Wochen auf Platz 1, GRAMMY-Nominierungen und Gewinn.
- Recording Academy: Technical GRAMMY Award für Celemony: Gründungsjahr von Celemony, Vorstellung von Melodyne, 54. GRAMMY Awards.
- Seiten von Antares Audio Technologies The Science Behind Auto-Tune (2026), Beitrag zum Technical GRAMMY 2023 und Auto-Tune for rap and hip-hop (2026): Herstellerangaben zu Veröffentlichungsdatum, Chart-Reichweite von ‘Believe’, Retune-Geschwindigkeit und Latenz, als solche gekennzeichnet.
- Mauch, Frieler und Dixon, Intonation in unaccompanied singing, JASA 2014 (Autoren-Preprint): Drift, Intervallfehler und zusammengefasste Wahrnehmungsschwellen.
- Dalla Bella, Berkowska und Sowiński, Disorders of pitch production in tone deafness, Frontiers in Psychology 2011: Gesangsgenauigkeit in der Bevölkerung.
- Larrouy-Maestri, Harrison und Müllensiefen, The Mistuning Perception Test, Behavior Research Methods 2019: Hörerschwellen in Popausschnitten.
- Larrouy-Maestri, On listeners’ perception of mistuning, Music and Science 2018: Toleranz gegenüber Verstimmung in gesungenen Melodien.
- Gao und Oxenham, Voice disadvantage effects in absolute and relative pitch judgments, JASA 2022: Benennen von Stimm- gegenüber Bratschentönen.
- Weiss und Trehub, Detection of pitch errors in well-known songs, Psychology of Music 2023: Text, Auto-Tune und Erkennung falscher Töne.
- Bürgel, Picinali und Siedenburg, Listening in the Mix, Frontiers in Psychology 2021 und Bürgel und Siedenburg, Salience of Frequency Micro-modulations in Popular Music, Music Perception 2023: Hervorgehobenheit der Stimme in Mixes.
- Michael und Gilman, The Myth of Intonation as an Objective Measure of Singing Quality, Journal of Singing 2021: Lehrerbewertungen von mit Melodyne korrigierten Tonleitern.
- Wager et al., Deep Autotuner, ICASSP 2020: Hörerpräferenz für automatische Tonhöhenkorrektur.
- Xie und Kim, From Sampling to Auto-Tune, Journal of Computing and Biomedical Informatics 2025: Umfrage zur Akzeptanz nach Generationen.
- Gohari et al., Spectrogram-Based Detection of Auto-Tuned Vocals in Music Recordings, IEEE WIFS 2024 und Gohari et al., ATDD multilingual dataset, Data in Brief 2026: maschinelle Erkennung.
- Daten-Hinweis: Keine verifizierbare Studie misst, welcher Anteil aktueller Chart-Hits tonhöhenkorrigiert ist. Eine Analyse der Billboard Hot 100 vom 16. März 2025 zum hörbaren Effekt in einem persönlichen Newsletter zeigte ihre Zahlen nur als Bilder, ohne angegebene Methode, und wurde daher ausgeschlossen. Eine Umfragezahl der Muse Group zu KI-Tonhöhenkorrektur und die Aufgabenanteile von Water and Music x Moises zu Tonhöhenkorrektur und Gesangsstimmung ließen sich auf den veröffentlichten Seiten nicht lesen und wurden verworfen. Die Generationenumfrage zu Auto-Tune erschien in einer Fachzeitschrift für Informatik und biomedizinische Informatik, außerhalb der zentralen Literatur zur Musikwahrnehmung, und nennt weder das Land der Umfrage noch die Rekrutierung noch die Bedeutung von “Abspielbarkeit” (playability); behandeln Sie sie als Anhaltspunkt. Der Text von Michael und Gilman nennt 72 Tonleitern für Studie Zwei, obwohl 16 Tonleitern in 4 Stimmungen 64 ergeben, und die Trainings-, Validierungs- und Testaufteilungen des Deep Autotuner summieren sich auf 4.674, nicht auf 4.702; keine der beiden Unstimmigkeiten betrifft die hier zitierten Zahlen. Mehrere Gesangs- und Wahrnehmungsstudien stammen aus den Jahren 2011 bis 2021 und sind in ihren Abschnitten als neueste verfügbare Daten gekennzeichnet; die Folgestudie in Music Perception von 2023 zu Gesang mit Auto-Tune berichtet ihre Effektstärken nur in Abbildungen, auf die wir nicht zugreifen konnten. Die Zahlen von Antares sind Herstellerangaben. Die Erkennungsgenauigkeit stammt aus mit PYIN und PSOLA simuliertem Auto-Tune, nicht aus kommerziellen Plug-ins, sodass die Genauigkeit in der Praxis abweichen kann.
Zuletzt aktualisiert: 8. November 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn die Recording Academy ihre Technical-GRAMMY-Preisträger 2027 bekannt gibt und neue Erkennungs-Benchmarks auf dem ATDD-Datensatz veröffentlicht werden.