Análisis de Partituras

• Análisis de partituras con music21: Basics y Advanced
• Análisis de partituras con Herramienta de análisis musical interactivo (I-MaT)
• Análisis de partituras con CAMAT (Computer-aided Music Analysis Tool): Basics y Advanced.

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. No obstante, la instalación de Anaconda o Miniconda y el entorno Python específico del proyecto (hfm_x_x.yml en la versión actual) es un requisito previo.

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:

• Quiero descubrir y experimentar, captar y comprender algo que me resulta complicado a primera vista: ¿Cómo se produce un determinado efecto de la música? ¿Qué hay en lo que escucho que lo hace hermoso o conmovedor o emocionante?
• O quiero ilustrar o aclarar algo, sobre todo cuando quiero transmitir mi experiencia de la música a otros y compartirla con ellos.

El análisis, como enfoque para descubrir y describir la música, consiste siempre en explicitar los acontecimientos musicales, por lo tanto es un medio de comprensión y un requisito previo para comunicar la música. Existen varios ámbitos de aplicación y objetivos del análisis musical. Aquí están quizás los más importantes:

• Análisis de la pieza: Las características específicas de una pieza concreta se elaboran de forma analítica. A partir de ahí, se puede hacer una interpretación de la pieza, por ejemplo, con respecto a sus efectos y significados específicos.
• Análisis estilístico: La descripción de las características especiales de un estilo particular en un área temporal o regionalmente definida o de un estilo personal. Esto puede implicar el examen de composiciones o interpretaciones individuales que son típicas de un estilo particular - o se puede intentar derivar el estilo a partir de un análisis de todas las piezas (o tantas como sea posible).
• Perspectiva histórico-musical y comparativa: ¿Cómo se relacionan los diferentes estilos musicales históricos entre sí a nivel de diseño tonal - y cómo se diferencian unos de otros?

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 Código Asociativo de Essen (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. La codificación 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 xml). 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 notas y analizarlos mediante scripts programados. Los más importantes son:

• Humdrum Toolkit (C++) por David Huron, Universidad Estatal de Ohio
• MIDI Toolbox (Matlab) por Petri Toiviainen y Tuomas Eerola, Universidad de Jyväskylä.
• music21 (Python) por Michael Cuthbert, MIT Boston
• jSymbolic (Java), que forma parte del proyecto Single Interface for Music Score Searching and Analysis (SIMSSA).

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 llamados 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 como pandas y para implementar scripts propios de visualización, evaluación estadística y búsqueda de patrones.