Resumen de Computational analysis of expressivity in classical guitar performances
Ozaslan Tan Hakan
El estudio de la expresividad musical es un campo muy activo en la computación musical. El interés en investigar ésta área tiene distintas motivaciones: entender y modelar la expresividad musical; identificar los recursos expresivos que caracterizan un instrumento, género musical, o intérprete; y construir sistemas de síntesis con la capacidad de reproducir música expresivamente. Para abordar este problema tan amplio, la literatura existente tiende a enfocarse en instrumentos o géneros musicales específicos. En esta tesis nos enfocaremos en el análisis de la expresividad en la guitarra clásica y nuestro objetivo será modelar el uso de recursos expresivos en este instrumento. Los fundamentos de todos los métodos usados en esta tesis están basados en técnicas de búsqueda y recuperación de la información, aprendizaje automático y procesamiento de señales. Combinamos varios algoritmos del estado del arte para lidiar con el modelado del uso de los recursos expresivos. La guitarra clásica es un instrumento que se caracteriza por la diversidad de sus posibilidades tímbricas. Los guitarristas profesionales son capaces de transmitir muchos matices durante la interpretación de una pieza musical. Esta característica específica de la guitarra clásica hace que el análisis de este instrumento sea una tarea difícil. Dividimos nuestro análisis en dos líneas de trabajo principales. La primera línea propone una herramienta capaz de identificar automáticamente recursos expresivos en el contexto de una grabación comercial. Construimos un modelo con el objetivo de analizar y extraer automáticamente los tres recursos expresivos más utilizados: legato, glissando y vibrato. La segunda línea propone un análisis integral de desviaciones de tiempo en la guitarra clásica. De las variaciones, quizás las más importantes sean las variaciones de tiempo: son fundamentales para la interpretación expresiva y un ingrediente clave para conferir una cualidad humana a interpretaciones basadas en ordenador. No obstante, la naturaleza de tales variaciones es aún un problema de investigación que no ha sido resuelto, con diversas teorías que apuntan a un fenómeno multi-dimensional. Nuestro sistema utiliza técnicas de extracción de características y aprendizaje de automático. La precisión de la clasificación muestra que las desviaciones de tiempo son predictores precisos de la pieza musical correspondiente. Para recapitular, esta tesis contribuye al campo del análisis expresivo proveyendo un modelo automático de articulación expresiva y un sistema predictor de piezas musicales que emplea desviaciones de tiempo. Finalmente, esta tesis analiza el comportamiento de los modelos propuestos utilizando grabaciones comerciales.
