Resonancias: Revista de investigación musical

ISSN 0719 - 5702 (en línea); ISSN 0717 - 3474 (impresa)

N°44 /

Junio 2019

Resonancias 44 13 junio portada

Artículo

Ceros y unos en la musicología. Software y análisis musical

Por Federico Sammartino

Departamento de Música, Facultad de Artes, Universidad Nacional de Córdoba
Esta dirección de correo electrónico está protegida contra spambots. Usted necesita tener Javascript activado para poder verla.
Resumen
En el presente trabajo presento una aproximación a la utilización de software para el análisis de la música y la manera en que se articula con un plan de investigación. Tomando como ejemplo el uso del software Sonic Visualiser en el análisis de las variaciones rítmicas y métricas y la descripción de la vocalidad entre intérpretes amateurs de Estancia La Candelaria (Córdoba, Argentina),planteo que la realización de un análisis musical asistido por computadoras (i) no es un fin en sí mismo, sino una herramienta a disposición que se inserta en un plan de investigación más amplio; (ii) ofrece alternativas que están ausentes de los análisis tradicionales; (iii) acelera el estudio de los datos; (iv) permite abordar cuestiones relativas a los procesos cognitivos de la interpretación y la percepción; (v) provee recursos innovadores para la descripción y presentación del análisis. Con este trabajo se pretende llenar un vacío sobre el tema que se vislumbra en América Latina.

análisis musical - software - Sonic Visualiser - investigación musical

Abstract
In this paper I present an approach to the use of software for the analysis of music and the way it articulates itself within a research plan. Taking as an example the use of the software Sonic Visualiser in the analysis of rhythmic and metric variations, and the description of vocality in amateur performers from Estancia La Candelaria (Córdoba, Argentina), I argue that computer-assisted music analysis (i) is not an end but a tool in the context of a broader research plan; (ii) offers alternatives that are absent in traditional analysis; (iii) speeds up the study of data; (iv) addresses questions about the cognitive processes of interpretation and perception; (v) provides innovative resources for the description and presentation of analysis. This paper aims to fill a void regarding this subject in Latin America.

music analysis - software - Sonic Visualiser - music research

Resonancias vol.19, n°37, julio-noviembre 2015, pp. 27-45. 
DOI: 10.7764/res.2015.37.3
PDF

Para no abocarnos a una discusión que escaparía a los objetivos de este trabajo, la definición planteada hace más de 30 años por Ian Bent sobre el análisis musical continúa siendo válida para definir qué es lo que hace un analista (Bent 1980, 340). Bent nos dice que el análisis musical consiste en exponer y describir sintéticamente la estructura musical y la manera en que se relacionan esos elementos más simples en la estructura general. El análisis musical expone sus conclusiones sobre una sección o la totalidad de una pieza, un conjunto de piezas, el corpus de un compositor o, incluso, una serie de obras de un período histórico determinado. Los análisis que suelen cautivarnos parten de una hipótesis de trabajo plausible y dejan bien en claro que las mejores herramientas para un buen análisis son nuestros oídos, un papel y un lápiz.[1]

Ahora bien, una imagen, si se quiere, caricaturesca de un analista musical, nos mostrará a un señor inclinado sobre su pupitre, descifrando los arcanos de una partitura para poder transmitirlos a la humanidad toda. Desde lejos, solo alcanzaremos a apreciar las notas musicales repartidas en sus papeles. Es decir, lo que el analista tenga para decirnos se restringirá, en buena medida, a lo que suceda con las alturas de la pieza musical que está analizando, para lo cual, contará con los gráficos schenkerianos, los árboles y ramas de la Teoría Generativa de la Música Tonal, los gráficos multidimensionales de la Teoría Transformacional de la Música o las “tablas de distancia” de las relaciones K y Kh, si nuestro analista se ha enfrascado con una obra atonal. Si se decantara por un análisis schenkeriano, la exposición gráfica la realizaría a través de una serie de esquemas que presentan de manera sintética la forma en que un compositor desarrolló su obra. Es decir, una hipótesis sobre el funcionamiento de la música presupone, en este caso, una metodología de análisis determinada. En otros términos, al leer un análisis que sigue la perspectiva fortiana de la Set Theory, uno esperaría las “tablas de distancia” que explicitan las relaciones entre grupos de clases de alturas, antes que un gráfico en árbol propio de la TGMT. Pero, al final de cuentas, para que el análisis sea interesante, lo central es que el analista formule una hipótesis de trabajo plausible y pertinente, acompañada de un diseño de la investigación que le permita exponer de la mejor manera sus ideas. La metodología de análisis que elija se encontrará en una dimensión pragmática antes que convertirse en un fin en sí misma. En tal sentido, un análisis musical puede hacer uso de una combinación de metodologías de alcance medio con el fin de lograr el mejor resultado posible.[2]

Pero, si en lugar de una partitura nuestro analista tuviera sobre su escritorio una pila de CD con diferentes versiones de, digamos, La Canción de la Tierra de Gustav Mahler, y estuviera interesado en estudiar cuestiones tan interesantes como el manejo de los tempi de los diferentes directores, o las características de la emisión vocal de los cantantes, o la evolución del timbre orquestal a lo largo de varias décadas, o la resultante sonora como fruto de los recursos técnicos utilizados en la consola de grabación, me pregunto, ¿qué método de análisis escogería nuestro analista? Siendo más específico, ¿existe algún método de análisis probado para estudiar esas cuestiones? ¿O se deberá contentar con llevar a cabo una larga descripción sin la posibilidad de describir y exponer sintéticamente lo que escucha, apelando a gráficos, diagramas o cualquier otra herramienta que resuma sus palabras? En este punto, no estaría de más sugerirle a nuestro analista que pruebe con algún software que permita medir los tempi o visualizar la componente espectral de las voces de los cantantes. Tal vez, se llevaría una sorpresa.

En las últimas décadas, acompañando la masificación del uso de la computadora personal, han aparecido numerosas herramientas para el análisis musical asistido por computadora y, en buena medida, se han desarrollado diferentes programas de computación que permiten manipular, extraer información, anotar y crear bases de datos, entre otras cosas, de algunos aspectos musicales más allá de las alturas. Aunque los programas están disponibles para los investigadores en música, su uso no está tan difundido o, a lo sumo, ello no se desprende al repasar las publicaciones especializadas.

En este trabajo repasaré algunos hitos de la historia del análisis musical asistido por computadora, para luego reseñar el uso que hice del programa Sonic Visualiser en dos trabajos. El primero trata sobre las sustituciones rítmicas e irregularidades métricas entre músicos locales que viven en Estancia La Candelaria (Córdoba, Argentina), el cual incluye, además, un proceso de corroboración de la hipótesis formulada. El segundo trata sobre la descripción de algunos aspectos técnicos del concepto de vocalidad sobre el mismo corpus. A modo de conclusión, se plantea una serie de advertencias sobre el uso de software analítico en el diseño de un plan de investigación.

 

Los instrumentos digitales en el análisis musical

La misma noción de instrumento es un sinónimo de herramienta. Y en este sentido se usaron diferentes instrumentos técnicos desde que el análisis musical se definió como un campo que facilitó la tarea de investigar la música a fines del siglo XIX. El invento del fonógrafo a fines del siglo XIX, por ejemplo, permitió que los primeros musicológos pudieran escuchar varias veces los registros y perfeccionar las transcripciones que realizaban, particularmente, de las músicas no occidentales. Un gran avance en este sentido fue el diseño del melógrafo “Model C” por parte de Charles Seeger en la década del 50 del siglo pasado. El melógrafo imprimía gráficos con información de la altura, la intensidad y el espectro (Crosley-Holland 1974). Por primera vez era posible visualizar las formulaciones que Alexander Ellis realizara a fines del siglo XIX y calibrar en cents tales organizaciones de las alturas. El problema es que el acceso a ese instrumental estaba circunscripto a pocas universidades que podían invertir elevadas sumas de dinero en su adquisición.

Con el desarrollo del hardware y el software en informática, que se aceleró a partir de los años 60 del siglo XX, acompañado de un descenso en el costo de los equipos, el acceso y la utilización de este tipo de herramientas se hizo más común. Al día de hoy, las estaciones de audio digital (o DAW, Digital Audio Workstation), e infinidad de plugins no son en absoluto desconocidos para los músicos amateurs y profesionales. De hecho, muchas veces se utilizan los programas comerciales como herramientas analíticas durante el proceso de producción musical. En efecto, desde la operación de silenciar determinadas pistas –más conocido como mute–, hasta el uso de complejos plugins que permiten visualizar la componente armónica de un pasaje de una canción, pueden considerarse operaciones de análisis musical.

El primer libro que desarrolla líneas de trabajo en el análisis musical asistido por computadoras es Experimental Music de Lejaren Hiller y Leonard Isaacson (1959). Aunque los autores se centran en la composición asistida por computadoras, el último capítulo plantea los siguientes tópicos estrechamente ligados al análisis musical asistido por computadoras: la aplicación de la teoría de la información, el análisis de las similitudes melódicas y formales, la búsqueda de patrones, el análisis del sonido desde un punto de vista físico, el reconocimiento óptico de partituras antiguas, la realización de la parte de continuo y bajo cifrado, la compleción de partes perdidas sobre la base de un análisis estadístico y la sistematización en la producción de materiales para manuales de enseñanza. El texto de Hiller e Isaacson no solo tuvo un carácter pionero, sino que, además, marcó las líneas de trabajo predominantes en las décadas posteriores. Tempranamente, se llegó a la conclusión de que el análisis musical asistido por computadora aceleraba el estudio de los datos (Forte 1967), aunque siempre debía estar acompañado con perspectivas más tradicionales (Schuler 2000, 43).

En las primeras décadas, los esfuerzos estuvieron dirigidos a replicar en una computadora la tarea que se realizaba con papel y lápiz. En la mayoría de los casos, el análisis se restringía a la inspección de las alturas.[3] Será recién en los 90 que aparecerán programas que permiten ampliar el campo de estudio hacia el ritmo, el tempo, la dinámica, etc. La estructura interna de funcionamiento de estos programas trataba de replicar los procesos cognitivos, la percepción y la interpretación de la música por el ser humano. Un grupo de investigación pionero en este sentido fue “Music, Mind, Machine”, quienes desarrollaron una serie de herramientas analíticas con las que estudiaban ciertos aspectos de la interpretación de la música.[4]

En años recientes, el surgimiento de internet y su posterior masividad abrieron nuevas áreas de conocimiento en las que el análisis musical asistido por computadoras es de vital importancia. Una de ellas es la de “Recuperación de Información Musical”, o MIR por sus siglas en inglés. [5] Estos programas, como el Sonic Visualiser del que hablaré más adelante, incluyen sofisticados algoritmos para el procesamiento de inmensas cantidades de datos, la visualización de los archivos digitales de audio y la anotación de información, incluso, de aspectos subjetivos, lo que permite, por ejemplo, que esa información se cruce con cuestiones relativas a la web semántica. Por ejemplo, un grupo de investigadores de Queen Mary University of London, junto al equipo de investigadores de la BBC finalizaron en 2013 un proyecto de investigación denominado “Haciendo los metadatos musicales de los estados de ánimo. Generación automatizada de metadatos utilizando el análisis musical”. [6]

Esta somera enumeración de referencias históricas tiene como objeto señalar cómo se insertan las herramientas informáticas en el diseño de un plan de investigación, articulando los objetivos, la base teórica subyacente, la metodología empleada y el tipo de repertorio analizado. [7] En este sentido, el análisis asistido por computadoras se centra en tareas más bien específicas en el marco de un plan de investigación más amplio. La razón de ello es que, por un lado, acelera ciertos procesos y, por el otro, permite abordar ciertas cuestiones ante las cuales el análisis tradicional no ofrece respuestas. En efecto, en las últimas dos décadas los avances en el estudio sobre parámetros diferentes a las alturas, junto a la visualización de los archivos de audio y la anotación de información, han permitido dar importantes pasos en áreas del estudio de la música pocas veces exploradas con anterioridad.[8]

Una última distinción que podríamos añadir, es la que tiene que ver con la base metodológica del proceso de investigación. Por un lado, están aquellas investigaciones que utilizan a las herramientas informáticas como la base de todo el proceso. En esta área se encuentran los trabajos de psicoacústica, teorías cognitivas, web semántica e ingeniería del sonido. Como norma, sus trabajos aparecen publicados en revistas del campo de las ciencias duras. Por otro lado, están aquellas investigaciones relacionadas con la musicología en sentido amplio –etno, histórica, popular–, que utilizan a las herramientas informáticas como un complemento, en mayor o menor medida, a las metodologías tradicionales de trabajo. Generalmente, los trabajos son publicados en revistas del área de los estudios musicales.

A continuación describiré brevemente la utilización que realicé de la aplicación informática Sonic Visualiser y algunos plugins para la visualización y anotación de información musical.[9] En el primero de los ejemplos, el Sonic Visualiser me sirvió para analizar las variaciones rítmicas y métricas en la interpretación, mientras que en el segundo utilicé dicho programa para afinar la descripción técnica sobre la vocalidad en intérpretes amateurs. En ambos casos, el corpus estuvo conformado por piezas interpretadas por los músicos locales de Estancia La Candelaria, región campesina del noroeste de la provincia de Córdoba.

 

Dos ejemplos[10]

Antes de comenzar con la presentación de los análisis, presentaré brevemente el contexto de la práctica musical en Estancia La Candelaria y algunos antecedentes sobre el programa Sonic Visualiser.

El paraje Estancia La Candelaria se ubica en la región noroeste de la provincia de Córdoba, a unos 200 km de la ciudad de Córdoba. En el siglo XVII los jesuitas se establecieron en la zona y desarrollaron actividades agropecuarias con el objetivo de sostener al Colegio Máximo de la orden –el origen de la actual Universidad Nacional de Córdoba–. Los jesuitas encararon la construcción de lo que hoy constituye el complejo histórico-arquitectónico declarado Patrimonio de la Humanidad por la UNESCO en el año 2000.[11] La declaratoria impulsó el desarrollo del turismo cultural, el cual generó diversos conflictos con los pobladores locales, dedicados a la explotación ganadera de subsistencia y el trabajo asalariado en canteras de piedra caliza.

El proceso de patrimonialización fue un proyecto encarado por el estado provincial, aunque nunca se encaró un estudio previo sobre la situación socio-económica de la región. A los pobladores locales se les prometió que los problemas se resolverían con la llegada de miles de turistas extranjeros a la zona,[12] quienes no solo podrían apreciar el patrimonio histórico, ya que en ese hito del circuito de las Estancias Jesuíticas, ubicado en un paraje rural, aún perviven las tradiciones gauchescas. Según la mirada de los funcionarios provinciales, los pobladores deberían asumir su función como parte de la escenografía gauchesca para el deleite de los visitantes. La música folclórica argentina, en tanto la supuesta música de los ámbitos rurales, debería ocupar un rol relevante.

En mi estudio sobre la práctica musical de la región, una característica que la define es la presencia de dos repertorios que se interpretan alternadamente, de acuerdo a la presencia o ausencia de turistas entre el público circunstancial. Aunque todas las piezas pertenecen al género del folclore argentino, las diferencias se encuentran en las siguientes variables: especie folclórica, tempi, temática de las letras, cantidad de músicos en cada performance y variaciones en el metro y el ritmo. A su vez, encontré diferentes configuraciones en las performances durante la mayor festividad de la región, la Fiesta Patronal de la Virgen de las Candelas, cada 2 de febrero. Si hay turistas entre el público, la performance suele ser extensa (más de 45 minutos), en el interior del predio de la capilla jesuita, frente a un gran número de personas y luego del almuerzo. En cambio, cuando solo se hallan pobladores locales entre el público, durante la performance no se interpretan más de 10 canciones, transcurre fuera de los límites de la capilla, antes del mediodía y frente a no más de 10 personas. Así, el análisis de la práctica musical comprende tanto los parámetros técnicos-musicales como la dinámica del desarrollo de la performance. Esta heurística me permite circunscribir mejor la experiencia musical, entendida, en este caso particular, como una constelación conformada por una comunidad periférica, con acceso restringido a necesidades básicas, políticas públicas-privadas para desarrollar negocios y una nueva modalidad turística propia del capitalismo avanzado.

En lo que tiene que ver con el programa Sonic Visualiser, el mismo fue diseñado por un grupo de investigadores de la Universidad Queen Mary de Londres, en el marco del Research Center for the History and Analysis of Recorded Music (CHARM), financiado por el Arts & Humanities Research Council del Reino Unido.[13] La versión 1.0 apareció en 2007. Actualmente se encuentra disponible la versión 2.4.1. El programa es descrito como “una aplicación para la extracción automatizada, navegación y edición de descriptores de audio, diseñado para asistir el estudio y comprensión del contenido en datos de audio, con especial énfasis en grabaciones. Su arquitectura facilita la integración de algoritmos y programas diseñados por terceros para la extracción de características individuales y abstractas de los datos de audio” (C annam, Landone, Sandler y Bello 2006).

Desde su concepción, los diseñadores del programa estuvieron en contacto con musicólogos interesados en el estudio de archivos de grabaciones musicales, tales como Nicholas Cook y Daniel Leech-Wilkinson. En la página web que contiene la documentación del programa (http://www.sonicvisualiser.org/documentation.html) se encuentra el artículo “A musicologist’s guide to Sonic Visualiser”, escrito por Cook y Leech-Wilkinson. Este trabajo puede considerarse como la introducción más consistente sobre las capacidades del programa desde una perspectiva musicológica. Los autores destacan lo siguiente:

• “está basado en la idea de capas transparentes superpuestas […] paneles que pueden contener un conjunto de capas, ordenadas de arriba hacia abajo de la pantalla” (Cook y Leech-Wilkinson 2009). Esta disposición de la información en la pantalla permite un rápido acceso y la comparación de las curvas, puntos y líneas que adoptan los diferentes parámetros.

• “buena parte de la funcionalidad del Sonic Visualiser proviene de los plugins desarrollados por terceros” (Cook y Leech-Wilkinson 2009). Tales plugins permiten extraer datos que, por un lado, no se pueden obtener en una simple escucha y, por el otro, en un formato que puede exportarse a procesadores de textos, planillas de cálculos, etc. con el fin de compararlos.

• la posibilidad que brinda el programa de realizar anotaciones sobre el registro sonoro, tanto de manera automática como manual.

Entre las precauciones que presentan los autores, está la que se refiere a la interpretación de los espectrogramas, en la medida de que “la señal física que mide la computadora es muy diferente en varios aspectos a lo que oímos. Esto debe ponernos alerta y saber que el espectrograma debe utilizarse en conjunción con nuestros propios oídos” (Cook y Leech-Wilkinson 2009). Aunque los autores hacen referencia únicamente a la prudencia que debe tenerse al leer los datos ofrecidos por los espectrogramas, la misma debe ampliarse a todos los datos que brinda el programa de manera automática.

Mientras que el trabajo de Cook y Leech-Wilkinson abarca numerosos planos de análisis, la tesis de Sonia Díez Lecumberri profundiza sobre un par de parámetros –tempo y dinámica– de manera detallada. Esta aproximación permite apreciar mejor las potencialidades del Sonic Visualiser (Díez Lecumberri 2014). El trabajo, que la propia autora ubica en la línea de la musicología empírica,[14] trata sobre el análisis de diferentes interpretaciones del “Aria” de las Variaciones Goldberg de Bach. Díez Lecumberri afirma que el estudio de las interpretaciones no puede reducirse únicamente a las observaciones subjetivas sobre las mismas, ni mucho menos al análisis de la partitura. En su lugar, el investigador debe interpretar un gran número de datos apelando a herramientas que puedan proveerlos. En la descripción del proceso analítico, Díez Lecumberri nos dice que

una vez realizada la extracción y visualización de los datos, comienza la fase de análisis propiamente dicha. A la dificultad de interpretar adecuadamente los gráficos, se añade la complejidad de hallar el potencial musicológico de este tipo de análisis objetivo, es decir, relacionarlo con la experiencia musical real. La medición se realizará sobre las fluctuaciones de tempo y de dinámica, para centrarnos en estudiar la manera en que se llevan a cabo los siguientes aspectos de las performances: concepción de la estructura, momentos significativos de la pieza, entramado polifónico y la consideración de la existencia o no de aspectos no “visibles” en la partitura. Varios de estos elementos no son analizables a partir de las herramientas de construcción de gráficos, pero las propias visualizaciones de Sonic Visualiser facilitan el trabajo, como por ejemplo los espectrogramas permiten visualizar algunos aspectos de la articulación (Díez Lecumberri 2014, 13).

Estos antecedentes sirven para comprender el potencial del Sonic Visualiser y acceder a una metodología determinada para su aplicación en la musicología. En otros trabajos encontramos aportes sobre la definición de descriptores semánticos (Cannam, Landone, Sandler y Bello 2006), cognición corporeizada (Ordás y Blanco Fernández 2013), inducción del beat en performances corales (Ordás y Martínez 2013), metodología de la investigación en archivos sonoros (Pérez Sánchez 2013) y Big Data (Smith et al. 2011). Ahora sí, entremos de lleno al análisis de dos ejemplos.

En el primero, caracterizaba la práctica musical de la siguiente manera:

he detectado en la práctica musical de Estancia La Candelaria la presencia de dos repertorios que se activan alternativamente según haya o no turistas entre el público circunstancial [...] Las diferencias abarcan cuestiones técnico-musicales como aspectos del contexto de la ejecución (Sammartino 2009, 85).

Entre las diferencias técnico-musicales enumeré una serie de variaciones rítmicas y métricas que se presentaban en el repertorio que se interpretaba frente a los pobladores locales, pero que desaparecían en el repertorio interpretado frente a los turistas. El primer problema que encontré fue que, al momento de transcribir las melodías, el resultado no me satisfacía, ya que la prescripción de la partitura volvía tediosa la tarea de encontrar los valores irregulares. Si pensamos que una chacarera presenta una regularidad métrica de 6/8, con valores no menores a una corchea, los leves acortamientos en las duraciones de los compases, que ya se han naturalizado como siempre iguales, se vuelven sumamente difíciles de transcribir y representar.

Por otro lado, comencé a percatarme que las desviaciones rítmicas y métricas se debían a la penetración del acento regional, teniendo presente que

estas modificaciones son apreciadas desde una perspectiva etic pero, que no tienen pertinencia émica. En otras palabras, mientras que del análisis etic se desprende que en una chacarera aparecen insertas entre la métrica regular de 6/8, compases de 6/8+1/16, 7/8 o 5/8, para los lugareños tales piezas musicales siguen siendo una chacarera (Sammartino 2008, 181-182).

Es decir, mi escucha –mirada etic– me decía que había desviaciones rítmicas y métricas, pero que no eran pertinentes para los músicos y pobladores locales. Esta situación me obligó a diseñar un proceso heurístico que contemplara esta situación. Resumidamente, dicho proceso consistió en lo siguiente:

a) Búsqueda de antecedentes: la bibliografía sobre el acento regional del noroeste cordobés es escasa. En consecuencia, sobre la base de estudios fonéticos en otras regiones, particularmente España, tuve que definir las características fonéticas del acento regional del noroeste cordobés.

b) Registros de campo: se registraron conversaciones, lectura de textos y lectura de canciones. Estos registros me permitieron definir las características del acento regional del área de estudio.

c) Análisis de datos y sistematización: utilizando el Sonic Visualiser, particularmente las herramientas de visualización y anotación, pude enumerar las características del acento regional. Tales reglas fueron reformuladas en un paso siguiente para enumerar las reglas de sustitución rítmica entre los cantantes de Estancia La Candelaria:

Figura 1 / Herramientas utilizadas para la visualización, anotación y análisis de las sustituciones rítmicas. Espectrograma en blanco y negro; envolvente de amplitud; segmentos que limitan las duraciones de cada nota.

Figura 1 / Herramientas utilizadas para la visualización, anotación y análisis de las sustituciones rítmicas. Espectrograma en blanco y negro; envolvente de amplitud; segmentos que limitan las duraciones de cada nota.


(a) alargamiento de la sílaba inicial de una frase; generalmente coincide con la primera sílaba de un verso; (b) 1) alargamiento de la sílaba tónica que coincide con el tiempo fuerte; generalmente con vocal de un alto grado de perceptibilidad; (b) 2) alargamiento de la sílaba tónica en tiempo débil; generalmente ocurre en una síncopa, apreciándose en estos casos un acomodamiento a la métrica del verso; (c) alargamiento de la sílaba protónica; frecuentemente, suma un 50% de su duración; es decir, si la sílaba protónica es una negra, sumará una corchea a su duración que toma de la sílaba tónica; (d) alargamiento de la sílaba anteprotónica en grupos acentuales proclíticos; el alargamiento de la sílaba anteprotónica es del orden del 50% de su duración, que toma de la sílaba protónica; (e) alargamiento de la sílaba anteprotónica en formas verbales pronominales enclíticas; (f) acortamiento por sucesión de sílabas átonas, que inician con consonantes oclusivas o fricativas sordas; el acortamiento es del orden del 25%-50% de la sílaba; esa duración puede o no ser absorbida por las sílabas contiguas (Sammartino 2008, 200-202).

Una vez que pude dilucidar las características del acento regional de los pobladores de Estancia La Candelaria y la formulación de las reglas de sustitución rítmica, pasé a la siguiente fase, consistente en el análisis de las piezas del corpus según tales criterios. La heurística consistió en:

a) Visualización y anotación: en este paso sometí los registros de campo al Sonic Visualiser para extraer la información sobre las variaciones en las duraciones. Para ello me valí de una visualización del espectrograma y la aplicación de un plugin de extracción de datos, Aubio Onset Detector - Time Instants.[15] Este ha sido ampliamente utilizado en la bibliografía consultada con resultados satisfactorios. Haciendo uso de la librería libxtract,[16] facilita la visualisación de las duraciones y articulaciones rítmicas. En la figura 1 podemos visualizar la superposición de las diferentes herramientas utilizadas en diferentes colores. En el fondo, en blanco y negro, el espectrograma; en el centro, la envolvente de amplitud; y en segmentos limitados por líneas verticales las duraciones de cada nota. Toda la información puede ser exportada en formato texto para su estudio.

Ejemplo 1 / Transcripciones (a) y (b).

Ejemplo 1 / Transcripciones (a) y (b).


b) Transcripción: sobre la base de los datos extraídos con el Sonic Visualiser, encaré la tarea de transcribir las piezas analizadas. Tomando como ejemplo “Chacarera del Matadero”, la misma consistió en la presentación de dos partituras superpuestas, la primera, a su vez, compuesta de dos sistemas y la segunda de tres (ver ejemplo 1, indicadas como (a) y (b), respectivamente). En la partitura (a) se presenta el tempo de la pieza y los grados armónicos. En el sistema superior se transcribe “el resultado de la primera audición” (Sammartino 2008, 203) de la chacarera “Del Matadero”. En el inferior, la reescritura más fiel posible sobre la base del análisis con el Sonic Visualiser. En la partitura (b) se dejan solo las líneas rítmicas de los dos sistemas de la partitura (a) a la que se suma “una tercera línea que contiene las figuras que sustituyen los valores originales” (Sammartino 2008, 203), junto a la reescritura de las indicaciones métricas de cada compás donde corresponda y una letra que indica la regla de sustitución rítmica. [17] Así, vemos en los compases 2 y 3 cuatro sustituciones rítmicas que generan un cambio en la métrica. Los compases, en lugar de mantener la métrica regular de 6/8 cambian por 13/16 y 11/16, respectivamente, como consecuencia de sustituciones rítmicas por alargamiento y acortamiento de las sílabas. En el ejemplo aquí presentado, en dos oportunidades se da por alargamiento de la sílaba protónica, que en los dos casos suma el 50% de su duración, un alargamiento de la sílaba tónica en tiempo débil, sobre una síncopa, y, por último, un acortamiento por sucesión de sílabas átonas, que inician con consonantes oclusivas o fricativas sordas.

Ejemplo 2 / Corroboración de las reglas de sustitución rítmica a través de transcripciones de tres versiones de la misma chacarera.

Ejemplo 2 / Corroboración de las reglas de sustitución rítmica a través de transcripciones de tres versiones de la misma chacarera.


Por último, el programa Sonic Visualiser me sirvió para la corroboración de las reglas de sustitución rítmica y la irregularidad métrica, en el sentido de que “diferentes realizaciones del mismo repertorio, que acusan esas variantes, son consideradas desde su apreciación [la de los pobladores locales] como idénticas” (Sammartino 2009, 87-88). La tarea consistió en comparar varias interpretaciones de un conjunto de piezas para corroborar si las alteraciones en el ritmo y el metro se producían en el mismo lugar. El objetivo final era la formulación de reglas emic que “sirven como codificación de la práctica musical, prescribiendo el posible marco de funcionamiento de la misma” (Sammartino 2009, 93). Todos estos pasos de la metodología expuesta anteriormente se aplicaron sobre versiones de una misma pieza interpretadas por diferentes músicos de Estancia La Candelaria. En el ejemplo 2 puede verse uno de los resultados obtenidos.

Una posible impresión de toda esta descripción pareciera confinarse a un problema de notación o, más específicamente, de transcripción. La cuestión de la notación en músicas que no se transmiten a través de una partitura y, en relación a ello, el análisis de la performance como medio específico de la experiencia musical, son aspectos ampliamente discutidos en la musicología. Particularmente, aquellas cuestiones relativas a las distorsiones que la musicología introduce al centrarse en la notación como punto de partida para el análisis de las músicas populares (Tagg 1982; Shepherd 1982; Bennet 1980). Aquí se trata de presentar los resultados para que una comunidad de lectores y colegas comprenda lo que se está tratando de explicar. En otros términos, que ciertas transcripciones comparten una serie de características, como que no presentan desviaciones rítmicas ni métricas, para agruparse en un repertorio que se interpreta cuando hay turistas entre el público; mientras que otras transcripciones sí presentan tales modificaciones y conforman un repertorio que se interpreta cuando no hay turistas entre la audiencia. Además, la transcripción incluye signos que buscan reflejar ciertas cosas que pasan en la interpretación y está acompañada de imágenes, como los espectrogramas, cuyo objetivo es precisar mejor lo que se escucha. Que esta combinación sea trabajosa de leer y que la musicología tradicional haya mostrado poco interés, es otra cuestión (Middleton 1990, 105). En todo caso, obliga a la comunidad disciplinaria a encarar una curva de aprendizaje sobre cuestiones novedosas.

A continuación, presentaré el análisis que llevé adelante para la descripción técnica-musical de la vocalidad. Este término ha comenzado a aparecer en los últimos años para referirse a la evocación de un conocimiento, ideologías y/o valores que son socialmente compartidos y que se transmiten y corporizan en un determinado tipo de voz.[18] Estos trabajos pueden agruparse en torno a los estudios culturales, los cuales, desde una perspectiva musicológica, carecen de una descripción técnica de la vocalidad. En su lugar, se restringen a una descripción aguda pero sin traspasar los límites hacia cuestiones técnico-musicales.

En mi análisis, pretendía sacar a la luz el modo en que

la articulación entre emoción y prácticas sonoras que abre la vocalidad de los músicos inscriptos en el estilo del folclore tradicionalista, remite a los valores e ideologías del nacionalismo argentino, encarnados en su personaje más representativo: el gaucho [...] su efecto retórico es reforzar el emblema nacionalista apelando a la cultura reificada del gaucho, reflejando en ello determinadas estructuras de poder [...] Si la vocalidad es una característica primordial para ser incluida entre los intérpretes de música folclórica argentina [...] la imitación de los recursos vocales de los intérpretes del estilo del folclore tradicionalista será esencial para que los oyentes den o no su aprobación frente a lo que escuchan (Sammartino 2013, 2).

Figura 2 / Visualización del espectro y perfil que presenta el trémolo entre los cantantes del folclore tradicionalista. En este caso, se trata del Chaqueño Palavecino.

Figura 2 / Visualización del espectro y perfil que presenta el trémolo entre los cantantes del folclore tradicionalista. En este caso, se trata del Chaqueño Palavecino.

Una cuestión a tener presente es que mi análisis no pretende ser una taxonomía exhaustiva de la vocalidad, sino que solo se restringe a ciertos aspectos de la vocalidad del folclore tradicional de la Argentina y su uso entre los músicos locales de Estancia La Candelaria.

Para lograr el objetivo que me propuse, luego del estudio de los antecedentes sobre técnica vocal, dispuse una heurística dividida en dos partes. En primer lugar, solicité “a cantantes profesionales que contesten un cuestionario sobre las características vocales de una serie de intérpretes del folclore argentino y de los intérpretes de Estancia La Candelaria. Así, se puede contar con información para realizar una descripción de la vocalidad”. En segundo término, “se llevó adelante un análisis utilizando el software Sonic Visualiser para detectar ciertas características que pueden visualizarse y enriquecer la descripción realizada” (Sammartino 2013, 4).

El cuestionario versó sobre una valoración subjetiva de los siguientes aspectos de la técnica vocal: el vibrato de la voz; el trémolo; la intensidad general; la capacidad de articular la intensidad; el portamento al final de los versos; el color de la voz; y la brillantez de la voz. Se pueden diferenciar tres grupos entre los ejemplos que se utilizaron. El primero, estaba conformado por cantantes que a priori pueden agruparse como representantes del folclore tradicional, tales como Soledad, El Chaqueño Palavecino y Cuti Carabajal. El segundo grupo estaba conformado por cantantes representantes del folclore melódico, tales como Jorge Rojas y Facundo Saravia. El último grupo de ejemplos estaba integrado por registros obtenidos en Estancia La Candelaria. Con los resultados en la mano, pude describir las características técnicas de la vocalidad entre los cantantes del folclore tradicional y que se diferenciaban fuertemente del folclore melódico:

en primer lugar, el vibrato es bastante pobre y, al mismo tiempo, la voz está fuertemente afectada por un apreciable nivel de trémolo, lo que señala un entrenamiento vocal ausente. Por su parte, la intensidad general de la interpretación es alta, con poca capacidad para articular la intensidad, salvo algunas excepciones. Un portamento descendente se aprecia claramente al final de las frases. Por su parte, las respuestas señalan que la brillantez es elevada, casi estridente, lo que muestra cierta tensión en la laringe. Finalmente, y de manera general para todos los estilos del folclore, el color de la voz fue calificado como claro (Sammartino 2013, 5).

Figura 3 / Visualización del espectro y perfil del portamento al final de las frases entre intérpretes del repertorio folclórico tradicionalista. Tomado de una interpretación del Chaqueño Palavecino.

Figura 3 / Visualización del espectro y perfil del portamento al final de las frases entre intérpretes del repertorio folclórico tradicionalista. Tomado de una interpretación del Chaqueño Palavecino.

Esta descripción de la técnica vocal de los intérpretes asociados al folclore tradicional coincidió con los resultados obtenidos para los cantantes de Estancia La Candelaria.

El paso siguiente consistió en analizar los espectrogramas del corpus, para ver el perfil que se dibujaba en cada caso. Así, por ejemplo, “el trémolo, podemos imaginarlo como una fuerte oscilación de las frecuencias acompañada de una oscilación en la intensidad [...] el portamento descendente al final de las frases deberá aparecer como un descenso lineal de la frecuencia” (Sammartino 2013, 5). En la figura 2 se presenta el perfil que tiene el trémolo, mientras que en la figura 3 el perfil del portamento al final de una frase. Al comparar la visualización de los espectrogramas de los cantantes profesionales con los de los cantantes de Estancia La Candelaria, las imágenes mostraban el mismo perfil.

Esta situación de los espectrogramas coincidentes, no puede entenderse como una mera coincidencia. Teniendo en cuenta el marco más amplio de la investigación, esto es, que uno de los objetivos del desarrollo del turismo cultural en Estancia La Candelaria es el de satisfacer las expectativas de los turistas que quieren experimentar la música que remita a la tradición gauchesca, dicha coincidencia sirve para reforzar la descripción subjetiva de la vocalidad presente en el género folcórico a través de una descripción técnica-musical. Si la vocalidad ha sido definida como la evocación de un conocimiento transmitido por la voz, esta metodología contribuye a una mejor delimitación de aquella para este caso específico. En efecto, ayuda a comprender qué estilo de emisión vocal transmite mejor lo que se entiende por folclore tradicional, cuáles son los significados que los músicos locales deben comunicar en dicho contexto y cuáles son las expectativas de los turistas en lo que se refiere a la música folclórica argentina. En definitiva, las herramientas analíticas que provee el Sonic Visualiser permiten profundizar las respuestas a las interrogantes de la investigación.

Algunas consideraciones finales

Las razones por las que apelé al Sonic Visualiser fueron varias. Siendo la principal que un abordaje tradicional no me permitía exponer ni describir lo que escuchaba. En el primer ejemplo, la transcripción de las piezas musicales de mi corpus se volvía una tarea casi imposible, dado el rango de variación de los valores rítmicos y métricos. Del mismo modo, complementar la definición de vocalidad –propia de los estudios culturales– con las cuestiones musicales, se volvía un trabajo tedioso ya que se reducía a una pura descripción subjetiva. Además, resulta claro que no existen herramientas de análisis tradicionales que aceleren el estudio de otros parámetros musicales que no sean las alturas, siendo las duraciones en un caso y la componente espectral en el otro los insumos básicos para encarar el análisis. Si la teoría musical nos provee un léxico para describir la música, muchas veces nos topamos con el límite que impone la partitura o la descripción subjetiva de la audición. Por ejemplo, ¿qué datos sobre las diferencias entre el vibrato y el trémolo en la emisión vocal podemos extraer de una partitura o una descripción subjetiva? ¿De qué manera pueden replicarse las descripciones realizadas para diferentes repertorios? Creo que las herramientas informáticas al servicio del análisis musical vienen a salvar algunas de estas carencias.

Asimismo, en ambos casos no se trató de un análisis por sí solo, sino que se articuló con otras preguntas más amplias que hacen referencia a la experiencia musical, tanto de los músicos como de los oyentes, y que se articulan con áreas como la etnomusicología, la música popular, la interpretación o los estudios culturales. En definitiva, estimo que el software Sonic Visualiser cumplió su cometido, esto es, ser una herramienta válida para la descripción técnica del fenómeno estudiado.

La cuestión es si el software analítico de por sí es una herramienta analítica para la musicología lato sensu. Planteada así, la pregunta no tiene respuesta posible. No tanto porque la musicología sea impermeable a la utilización de nuevas tecnologías, sino porque cada caso merece un abordaje particular. Más específicamente, será la pregunta de investigación y el plan heurístico los que determinarán en última instancia si el uso de software analítico vale la pena. Lo que a mi entender resulta incuestionable, es que, en nuestras latitudes, este tipo de herramientas están poco utilizadas. Las razones de esta situación son variadas, aunque no me queda más que intentar esbozar algunas respuestas.

En primer lugar, la utilización de software analítico obliga al investigador a planificar una heurística ad hoc. O, mejor dicho, el investigador debe ser lo suficientemente pragmático para ubicar la utilización de una herramienta novedosa en un plan de investigación tradicional. En efecto, la utilización de software analítico no supone ni por asomo que deban abandonarse las preguntas de investigación, las hipótesis, la búsqueda en archivos físicos ni la lectura de antecedentes. Por otro lado, el uso de programas como el Sonic Visualiser supone una curva de aprendizaje que vuelve más fácil evitar sumergirse en aguas desconocidas al incorporar este tipo de herramientas. Ya sea por fatiga o temor a lo desconocido, la cuestión es que no contamos con antecedentes que permitan un desarrollo en este sentido. Lo que debe quedar claro es que el software analítico, como todo análisis, no constituye un fin en sí mismo sino una herramienta para responder a preguntas de investigación.

Otra línea de trabajo que se abre es el desarrollo local de software específico para la investigación musical. En la medida en que estamos hablando de programas informáticos de código abierto, los mismos pueden estudiarse, modificarse y servir de punto de partida para nuevos desarrollos. Esto permitiría adaptar los programas a las necesidades y preguntas de los investigadores de América Latina, que solo toman los desarrollos provenientes de los centros de investigación del hemisferio norte. Hasta donde he podido rastrear, no conozco ningún desarrollo latinoamericano en este sentido. Tal vez, los mayores desafíos sean el financiamiento de un área que no está establecida y la adaptación al trabajo multidisciplinar con ingenieros de software. Queda claro que tales desafíos no son un impedimento infranqueable.

No puedo evitar manifestar mi expectativa a futuro: ojalá que se sopesen cuidadosamente las posibilidades que ofrecen estas herramientas de trabajo. Aquí se puso el eje sobre un solo programa y algunos plugins que lo complementan. Es una tecnología de análisis más que está a disposición de los investigadores –tecnología que, al final de cuentas, viene a sumarse a los gráficos schenkerianos, las relaciones Kh de la Set Theory o los gráficos multidimensionales del Neo-Riemannismo–.

Bibliografía

Alastair Borthwick. 1993. “Music Theory And Analysis: The Limitations Of Logic”. Tesis Doctoral, University of London.

Bennett, Stith. 1980. On Becoming a Rock Musician. Amherst: University of Massachusetts Press.

Bent, Ian. 1995 [1980]. “Analysis”. En The New Grove Dictionary of Music and Musicians, editado por Stanley Sadie, 340-388. New York: Grove.

Bullock, Jamie. 2007. “Libxtract: A Lightweight Library for Audio Feature Extraction”. Proceedings of the International Computer Music Conference. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.470.6831&rep=rep1&type=pdf. Acceso: 8 de diciembre de 2014.

Cannam, Chris, Christian Landone y Mark Sandler. 2010. “Sonic Visualiser: An Open Source Application for Viewing, Analysing, and Annotating Music Audio Files”. http://www.sonicvisualiser.org/sv2010.pdf. Acceso: 9 de marzo de 2015.

Cannam, Chris, Christian Landone, Mark Sandler y Juan Pablo Bello. 2006. “The Sonic Visualiser: A Visualisation Platform for Semantic Descriptors from Musical Signals”. http://www.sonicvisualiser.org/doc/misc/sv-ismir-2006-poster.pdf. Acceso: 9 de marzo de 2015.

Cook, Nicholas. 1997. A Guide to Musical Analysis. Oxford: Oxford University Press.

Cook, Nicholas y Daniel Leech-Wilkinson. 2009. “A Musicologist’s Guide to Sonic Visualiser”. http://www.charm.rhul.ac.uk/analysing/p9_1.html. Acceso: 17 de febrero de 2013.

Cook, Nicholas y Eric Clarke. 2004. Empirical Musicology: Aims, Methods, Prospects. Oxford: Oxford University Press.

Corrado, Omar. 1997. “Entre interpretación y tecnología: el análisis de músicas recientes”. Revista Musical Chilena 49 (184): 47-63.

Crossley-Holland, Peter. 1974. Selected Reports in Ethnomusicology. The Melograph Volume 2, no. 1. Los Angeles: University of California.

Díez Lecumberri, Sonia. 2014. “Análisis comparativo de la ejecución de varios intérpretes del Aria de las Variaciones Goldberg”. Tesis de Maestría, Universidad Pública de Navarra. http://academica-e.unavarra.es/handle/2454/14544. Acceso: 3 de diciembre de 2014.

Dunn, Leslie C. y Nancy A. Jones (eds.). 1994. Embodied Voices. Representing Female Vocality in Western Culture. Cambridge: Cambridge University Press.

Eidsheim, Nina. 2009. “Synthesizing Race: Towards an Analysis of the Performativity of Vocal Timbre”. Trans 13. http://www.sibetrans.com/trans/articulo/57/synthesizing-race-towards-an-analysis-of-the-performativity-of-vocal-timbre. Acceso: 16 de mayo de 2015.

________. 2011. “Sensing Voice: Materiality and the Lived Body in Singing and Listening”. Senses and Society 6 (2): 133-155.

Forte, Allen. 1967. “Music and Computing: The Present Situation”. Computers and the Humanities 2 (1): 32-35.

Frishkey, Amy. 2011. “Planet Voice: Strange Vocality in ‘World Music’ and Beyond”. Radical Musicology 5. http://www.radical-musicology.org.uk/2012/Frishkey.htm. Acceso: 14 de mayo de 2013.

Hiller, Lejaren y Leonard M. Isaacson. 1959. Experimental Music. Composition with an Electronic Computer. New York: McGraw-Hill.

Jarmon-Ivens, Freya. 2011. Queer Voices. Technologies, Vocalities, and Musical Flow. Nueva York: Palgrave.

Maciej Golab. 2008. Musical Work Analysis. An Epistemological Debate. Frankfurt am Main: Peter Lang International Academic Publishers.

Middleton, Richard. 1990. Studying Popular Music. Milton Keynes: Open University Press.

Ordás, Manuel Alejandro y María Amparo Blanco Fernández. 2013. “La corporeidad y la expresión en la ejecución coral. Indicios de la identificación del cuerpo como productor de mensajes”. Actas de ECCoM. Vol. 1 No2, “Nuestro Cuerpo en Nuestra Música. 11o ECCoM”, editado por Favio Shifres, María de la Paz Jacquier, Daniel Gonnet, María Inés Burcet y Romina Herrera, 455-465. Buenos Aires: SACCoM.

Ordás, Manuel Alejandro e Isabel Cecilia Martínez. 2013. “Incidencia de las fuentes de información temporal en la inducción del beat durante la recepción multimodal de una ejecución coral”. Actas de ECCoM. Vol. 1 No2, “Nuestro Cuerpo en Nuestra Música. 11o ECCoM”, editado por Favio Shifres, María de la Paz Jacquier, Daniel Gonnet, María Inés Burcet y Romina Herrera, 467-478. Buenos Aires: SACCoM.

Pérez Sánchez, Alfonso. 2013. “Líneas de investigación, fuentes y recursos en relación con la grabación sonora”. Trans 17. http://www.sibetrans.com/trans/articulo/438/lineas-de-investigacion-fuentes-y-recursos-en-relacion-con-la-grabacion-sonora. Acceso: 22 de junio de 2015.

Robertson, Andrew. 2012. “Decoding Tempo and Timing Variations in Music Recordings from Beat Annotations”. ISMIR 13: 475-480.

Sammartino, Federico. 2008. “Acento regional, sustitución rítmica e irregularidad métrica en Estancia La Candelaria”. En Músicas Populares. Aproximaciones teóricas, metodológicas y analíticas en la musicología argentina, editado por Federico Sammartino y Héctor Rubio, 181-212. Córdoba: Editorial de la Universidad Nacional de Córdoba.

________. 2009. “Una reformulación pertinente: reglas emic e hipótesis de emicidad en el diseño de la investigación musical”. Revista Argentina de Musicología 10: 73-99.

________. 2013. “A Reference to the Tourist: Vocality in Argentinian ‘Música Folclórica’”. Ponencia presentada en la International Conference on Analizing Popular Music, Liverpool, 2 al 4 de octubre.

Sapp, Craig. 2006. “Mazurka Project”. https://mazurka.org.uk/info/present/20060629-charm/charm-20060630-1up.pdf. Acceso: 25 de febrero de 2015.

Schedl, Markus, Emilia Gomez y Julián Urbano. 2014. “Music information retrieval: Recent developments and applications”. Foundations and Trends in Information Retrieval 8 (2-3): 127-261.

Shepherd, John. 1982. “A theoretical model for the sociomusicological analysis of popular musics”. Popular Music 2: 145-177.

Schuler, Nico Stephan. 2000. “Methods of computer-assisted music analysis: history, classification, and evaluation”. Tesis Doctoral, Michigan State University, School of Music.

Smith, Jordan, Ashley Burgoyne, Ichiro Fujinaga, David De Roure y Stephen Downie. 2011. “Design and creation of a large-scale database of structural annotations”. ISMIR 11: 555-560.

Tagg, Philip. 1982. “Analising Popular Music: Theory, Method and Practice”. Popular Music 2: 37-67.

Venturini, Edgardo. 2003. “Patrimonio cultural, turismo y desarrollo local: el Camino de las Estancias Jesuíticas de Córdoba”. Aportes y Transferencias 7 (I): 45-64.

Woods, Alyssa. 2009. “Rap Vocality And The Construction Of Identity”. Tesis Doctoral, University of Michigan.



[1] Adhiero, de aquí en adelante, a las observaciones de Nicholas Cook sobre lo que entiende por un “buen análisis”. Ver Cook 1997.

[2] Obviamente, los alcances ontológicos, epistemológicos y axiológicos del análisis musical son mucho más amplios y nos llevarían por derroteros diferentes a los planteados en este trabajo. No obstante, sobre estas cuestiones tan interesantes sugiero consultar Golab 2008 y Borthwick 1993.

[3] Tal es el caso del primer software comercial, “Computer-Assisted Set Analysis Program” (CASAP), aparecido en 1984, el cual permitía acelerar la obtención de pc set y, junto a ello, el vector interválico, las transposiciones, inversiones, sub-grupos y, por supuesto, el “Forte name”.

[4] El grupo “Music, Mind, Machine” fue creado en la Universidad de Radboud (Holanda) en 1996 y funcionó hasta el año 2010. No obstante, las líneas de trabajo inauguradas por este grupo continúan en el “Music Cognition Group”, de la Universidad de Amsterdan y en “Music, Mind, Machine in Sheffield”, radicado en la Universidad de Sheffield.

[5] Music Information Retrieval . Como muestra, pueden consultarse los siguientes grupos de investigación: Centre for Digital Music, de la Universidad de Londres; Center for Computer Research in Music and Acoustics, de la Universidad de Stanford; o el Music Technology Group, de la Universidad Pompeu Fabra. Para interiorizarse en el tema, ver Schedl, Gómez y Urbano 2014.

[6] Se puede visitar la página del proyecto en http://www.bbc.co.uk/rd/projects/making-musical-mood-metadata.

[7] El texto más completo sobre una historia del análisis asistido por computadoras es Methods of Computer-Assisted Music Analysis: History, Classification, and Evaluation de Nico Schuler. La historia llega hasta fines de los 90 del siglo pasado. Buena parte de lo que narro en estos párrafos está tomada de dicho texto, especialmente, los capítulos “Historical aspects of computer-assisted music analysis” y “Classification of methods of computer-assisted music analysis”.

[8] Corrado (1997) presenta una reflexión pertinente al respecto. No obstante, solo realiza comentarios al mencionar trabajos que hacen uso del análisis asistido por computadora, sin detenerse en cuestiones específicas sobre su uso.

[9] Sobre el Sonic Visualiser ver Cannam, Landone y Sandler 2010.

[10] Los ejemplos aquí descritos se basan en los siguientes trabajos: Sammartino 2008, Sammartino 2010 y Sammartino 2013.

[11] Sobre el informe de la declaratoria por parte de la UNESCO, ver http://whc.unesco.org/en/list/995.

[12] Sobre la perspectiva del estado provincial en este sentido, ver Venturini 2003. No está de más recordar que a fines de 2001 Argentina sufrió una terrible crisis política, social y económica. A fines del año 2000, la situación no era muy diferente a la que conduciría al estallido social de un año más tarde.

[13] Sobre el CHARM ver http://www.charm.rhul.ac.uk/index.html

[14] Cook y Clarke 2004. Para Díez Lecumberri “la musicología empírica podría ser definida como la que toma conciencia de la posibilidad de trabajar con gran cantidad de datos y una metodología adecuada para conseguirlos” (Díez Lecumberri 2014, 14).

[15] En la página web aubio.org encontramos una breve descripción del plugin: “aubio es una herramienta diseñada para la extracción de apuntes y notas de archivos de audio. Entre sus características podemos señalar la segmentación de un archivo de audio previo a los ataques, realizando una detección de las alturas, la indicación de los tiempos y la generación de datos midi del archivo”. Una ilustración técnica sobre el funcionamiento, algoritmos utilizados y aplicabilidad en la musicología del plugin aubio onset detector, puede consultarse en Sapp 2006. Por otro lado, el desarrollo de plugins para la detección y anotación del tempo está ampliamente documentada. Una explicación técnica al respecto se encuentra en Robertson 2012. Una digresión a esta nota: dado que se trata de programas de código abierto, ¿no sería tiempo de que comiencen a desarrollarse plugins que respondan a los intereses de la comunidad musicológica de América Latina?

[16] Se trata de una librería ampliamente utilizada en diferentes plugins, que consta de “una colección de cerca de cuarenta funciones para la extracción de características únicas de un archivo de audio” (Bullock 2007).

[17] Las letras se corresponden con las reglas de sustitución rítmica enumeradas unos párrafos atrás.

[18] Últimamente, la bibliografía sobre vocalidad se ha ampliado muchísimo. Señalo solo los textos que, a mi entender, constituyen una primera introducción al tema: Dunn y Jones 1994; Woods 2009; Eidsheim 2009, 2011; Frishkey 2011; Jarmon-Ivens 2011.

Sitios Relacionados