Bild zu Klang — Pixel zu Musik oder Spektrogramm sonifizieren

Die meisten beliebten "image to music"-Tools heute (InsMelo, Mubert, Suno, Artlist) erzeugen aus deinem Foto mit KI ganze Songs — sie analysieren Stimmung und Palette und komponieren einen Track mit Melodie und Schlagzeug. Dieses Tool macht stattdessen wissenschaftliche Sonifikation: Pixel-Daten werden direkt auf Klang abgebildet. Der Musikmodus fügt eine Tonleiter hinzu, damit das Ergebnis musikalisch klingt, ist aber immer noch eine 1:1-Transformation deines Bildes, kein komponierter Song. Für KI-komponierte Musik suche nach Tools mit der Bezeichnung "AI music from image" oder "photo to song with AI".

Der Musikmodus nimmt den hellsten Pixel in jedem Zeitabschnitt und bildet seine vertikale Position auf eine Note in einer von dir gewählten Tonleiter ab (Moll-Pentatonik, Dur, Moll, chromatisch). Das Ergebnis ist melodisch und gut hörbar. Der Raw-Modus macht additive Synthese: jeder Pixel jeder Spalte wird zu einem sinusförmigen Partialton, dessen Frequenz von der Zeile abhängt und dessen Lautstärke von der Helligkeit. Das Audio ist buchstäblich das Spektrogramm deines Bildes — hart und drone-artig, aber der klassische Sonifikationsansatz, der in Tools wie vOICe (für blinde Navigation) und Photosounder verwendet wird.

Das Bild wird von links nach rechts abgetastet (Zeitachse). Für jede Spalte werden Pixel von unten nach oben auf einen logarithmischen Frequenzbereich (200–4000 Hz) abgebildet. Pixel-Helligkeit steuert die Lautstärke dieser Frequenz — helle Pixel sind laut, dunkle still. Die Farbe beeinflusst den Wellentyp: Warm = Sägezahn, Kalt = Sinus, Neutral = Dreieck.

Im Musikmodus ergibt jedes Bild mit klarem Kontrast und einigen deutlich hellen Formen eine erkennbare Melodie — probiere Gesichter, einfache Objekte oder Text. Im Raw-Modus erzeugen einfache kontrastreiche Muster (geometrische Formen, Text, Diagonalen, Verläufe) die markantesten Spektrogramm-Klänge. Sehr dunkle oder gleichmäßige Bilder erzeugen in beiden Modi wenig Klang.

Ja. Bild-Sonifikation kann visuelle Information durch Klang vermitteln — z. B. ob ein Bild helle Bereiche, Muster oder unterscheidbare Regionen enthält. Der Raw-Modus ist der Standardansatz von Barrierefreiheits-Tools wie vOICe. Der Musikmodus ist weniger informativ, aber angenehmer für tägliches Hören. Keiner ersetzt Screenreader oder Alt-Text, aber beide bieten eine zusätzliche Möglichkeit, visuelle Inhalte durch Klang wahrzunehmen.