Los módulos, tutoriales y herramientas de software que se ofrecen en estos sitios web presentan diversas posibilidades de analizar archivos musicales con el ordenador.
Las unidades didácticas pueden realizarse a manera de autoaprendizaje o dentro de los cursos o seminarios de la escuela superior de música en Weimar. La duración de las unidades didácticas es de aproximadamente 4-6 horas o tres sesiones de 90 minutos con preparación adicional, deberes y profundización opcional. Aquí encontrará una lista de todos los tutoriales creados en el transcurso del proyecto.
Puede elegir uno de los siguientes enfoques informáticos para el análisis de las partituras:
1. music21 es una extensa librería Python para la representación y el procesamiento de notas desarrollada en el MIT de Boston, de la que se han tomado algunos módulos para la visualización, la descripción estática y la búsqueda de motivos, y se han preparado tutoriales con ejemplos. Estos tutoriales desarrollados en el proyecto Fellowship se ejecutan como cuadernos en Jupyter notebook (en el navegador). Sólo se requiere un conocimiento rudimentario de la sintaxis de los comandos Python para operarlos, los cuales se enseñan en los tutoriales. Las partituras se muestran dentro de los cuadernos Jupyter en el navegador, siempre que se haya instalado un editor de partituras (por ejemplo, MuseScore). Otro requisito previo es la instalación de Anaconda o Miniconda y el entorno Python específico del proyecto (hfm_x_x.yml en la versión actual).
2. El Herramienta de Análisis Musical Interactivo (I-MaT) se basa en la funcionalidad de music21, pero no se ejecuta como un Jupyter Notebook en el navegador, sino en una ventana de comandos fácil de usar. Todos los resultados (gráficos, tablas, etc.) se muestran en ventanas emergentes externas, mientras que las partituras se muestran en editores de partituras externos como (MuseScore).
Como la operación se ha implementado en una simple selección de opciones „interactivas“, no es necesario tener conocimientos de comandos informáticos o de un lenguaje de programación. Por lo tanto, la herramienta es ideal para una introducción de facil acceso y sin complicaciones a las posibilidades del análisis musical asistido por ordenador con music21, sin tener que involucrarse en la sintaxis de comandos de python y el funcionamiento de los cuadernos en Jupyter Notebook.
CAMAT (Computer-aided Music Analysis Tool) es una herramienta desarrollada dentro del proyecto Fellowship, cuyos tutoriales también se ejecutan como cuadernos en Jupyter notebooks (en el navegador). Sólo se requiere un conocimiento rudimentario de la sintaxis de los comandos Python para utilizarlo, los cuales se enseñan en los tutoriales.
CAMAT se basa en una estructura de datos desarrollada dentro del proyecto (pandas dataframe), que se utiliza para preparar archivos de partituras MusicXML para una visualización flexible (visualización de rollos de piano multicolor), para evaluaciones estadísticas (incluyendo gráficos y tablas) y para la búsqueda de motivos. El requisito previo es la instalación de Anaconda o Miniconda y el entorno Python específico del proyecto (hfm_x_x.yml en la versión actual). Los textos de las partituras pueden verse y escucharse en paralelo en un editor de partituras externo (por ejemplo, MuseScore).
Pero ahora a la pregunta:
Los objetivos del análisis de la música son ciertamente muy variados. Sin embargo, los dos motivos siguientes son fundamentales:
El análisis como enfoque descubridor y descriptivo de la música supone siempre la explicitación de los acontecimientos musicales y es, por tanto, un medio para la comprensión y un requisito previo para la comunicación de la música. Existen varios ámbitos de aplicación y objetivos del análisis musical. Aquí están quizás los más importantes:
En la actualidad, los distintos procedimientos y enfoques del análisis musical pueden ampliarse con métodos informáticos de visualización, evaluación estadística y búsqueda de patrones específicos. De esto trata la unidad didáctica sobre el análisis de notas.
Las extensiones metodológicas no pueden ni quieren sustituir la escucha de la música y el examen de la notacion musical en cualquier caso - sino que quieren ampliarlo y fundamentarlo empíricamente.
Hoy en día, las partituras digitales están disponibles en la mayoria de los casos como archivos pdf que pueden visualizarse en la pantalla e imprimirse. Sin embargo, la información musical de estos archivos no puede ser leída ni procesada por el ordenador. Por otro lado, los archivos de partituras legibles por ordenador se codifican en formatos de partitura especiales que pueden editarse, ya sean simples editores de texto o editores de partituras especializados.
Uno de los primeros ejemplos de formato de partitura legible por ordenador es el Essen Associative Code (EsAC), que se utilizó para grabar colecciones de música folclórica de todo el mundo. La información musical se puede ver y editar con un simple editor de texto. Aquí está la Hildebrandslied, el primer ejemplo de la colección de canciones populares de Essen. El código de la melodía (MEL) es fácil de descifrar: Los números representan los pasos de tono (relacionados con G = 1), los guiones las diferentes longitudes de tono; los espacios son líneas de compás (en tiempo 4/2).
ALTDEU CUT[Das Hildebrandslied] REG[Europa, Mitteleuropa, Deutschland] KEY[A0001 04 G 4/2] MEL[1_ 3b_3b_4_4_ 5__5__ 0_5__5_ 5_6_7b_5_ 5__0_ 5_ 5_6_7b_5_ 6b__5__ 0_5_4_3b_ 5_3b_3b__ 0_3b_3b_3b_ 4_4_5__ 5__0_ 5_ 4_3b_3b_3b_ 2__1__ 0_5_5_.4 3b__0_ 5_ 6b_5_5_3b_ 4__5__ 0_4_3b3b1_ 1_-6_-7__ 1__. //] >> FCT[Romanze, Ballade, Lied]
Hay muchos otros formatos de archivos de música. Los más comunes son, por ejemplo, la notación abc (.abc), MuseData (.mus), Lilypond (.py), kern (.krn) y MusicXML (.xml o en forma comprimida: .mxl o .musicxml). Todos estos formatos se pueden convertir en archivos xml con la biblioteca de Python music21. En cambio, los editores de música comerciales como Finale o Sibelius han desarrollado sus propios formatos, que sólo se adaptan a estos editores.
MusicXML (con la extensión de archivo .xml o .mxml) es uno de los formatos de partituras más utilizados (véase https://www.musicxml.com/, https://es.wikipedia.org/wiki/MusicXML y el tutorial deXML). El formato utiliza el principio de Lenguajes de Marcado Extensibles y está basado en el editor de partituras disponible gratuitamente MuseScore, pero también puede ser leído y guardado por la mayoría de los editores de partituras comerciales. En las unidades didácticas sólo se utilizan los archivos MusicXML y MuseScore como herramienta de visualización y edición de las partituras. Todos los archivos de partituras de la base de datos del proyecto están en formato MusicXML sin comprimir.
Desde la década de los 90, se han desarrollado varias herramientas informáticas que pueden leer archivos de partituras y analizarlos mediante scripts programados. Los más importantes son:
Mientras que el entorno C++ (para Humdrum) es difícil de instalar en Windows para los profanos en informática y la caja de herramientas MIDI requiere una (costosa) licencia de Matlab, music21 del MIT de Boston puede instalarse gratuitamente como biblioteca en el lenguaje de programación Python. Por esta razón, se eligió music21 para este proyecto. En los tutoriales, los comandos music21 se pueden ver, ejecutar y editar cómodamente en el navegador en el marco de los Jupyter Notebooks.
Sin embargo, en el transcurso del diseño de las unidades didácticas, resultó que los comandos de análisis de music21 tienen ciertas deficiencias en la programación. Por ejemplo, en las consultas estadísticas, los pasajes polifónicos, los acordes y los silencios no se procesan correctamente en algunos comandos. Sin embargo, a pesar de estas pequeñas deficiencias, los cuadernos Jupyter con music21 dan una buena impresión de las posibilidades del análisis de notas asistido por ordenador. Aquí hay una recopilación de los comandos básicos más importantes de music21 utilizados en los tutoriales.
Debido a estas deficiencias, el proyecto Fellowship ha desarrollado la herramienta CAMAT, que lee directamente los archivos XML con su propio analizador. CAMAT incluye librerías de Python tales como pandas y scripts recientemente desarrollados para la visualización, la evaluación estadística y la búsqueda de patrones.