La composición algorítmica es la técnica de utilizar algoritmos para crear música .
Los algoritmos (o, al menos, conjuntos formales de reglas) se han utilizado para componer música durante siglos; los procedimientos utilizados para trazar la voz líder en el contrapunto occidental , por ejemplo, a menudo se pueden reducir a la determinación algorítmica. El término puede usarse para describir técnicas de generación de música que se ejecutan sin la intervención humana continua, por ejemplo, mediante la introducción de procedimientos aleatorios . Sin embargo, a través de la codificación en vivo y otras interfaces interactivas, es posible un enfoque completamente centrado en el ser humano para la composición algorítmica. [1]
Los compositores [2] utilizan algunos algoritmos o datos que no tienen relevancia musical inmediata como inspiración creativa para su música. Se han utilizado como materiales de origen algoritmos como fractales , sistemas L , modelos estadísticos e incluso datos arbitrarios (por ejemplo , cifras de censos , coordenadas GIS o mediciones de campos magnéticos ).
Modelos de composición algorítmica
Los algoritmos de composición generalmente se clasifican según las técnicas de programación específicas que utilizan. Los resultados del proceso se pueden dividir en 1) música compuesta por computadora y 2) música compuesta con la ayuda de la computadora. La música se puede considerar compuesta por computadora cuando el algoritmo es capaz de tomar sus propias decisiones durante el proceso de creación.
Otra forma de clasificar los algoritmos de composición es examinar los resultados de sus procesos de composición. Los algoritmos pueden 1) proporcionar información de notación ( partituras o MIDI ) para otros instrumentos o 2) proporcionar una forma independiente de síntesis de sonido (tocar la composición por sí misma). También hay algoritmos que crean datos de notación y síntesis de sonido.
Una forma de categorizar los algoritmos de composición es por su estructura y la forma de procesar los datos, como se ve en este modelo de seis tipos parcialmente superpuestos: [3]
- modelos traslacionales
- modelos matemáticos
- sistemas basados en el conocimiento
- gramáticas
- enfoques de optimización
- métodos evolutivos
- sistemas que aprenden
- sistemas híbridos
Modelos traslacionales
Este es un enfoque de la síntesis musical que implica "traducir" información de un medio no musical existente a un nuevo sonido. La traducción puede basarse en reglas o estocástica . Por ejemplo, al traducir una imagen en sonido, una imagen jpeg de una línea horizontal puede interpretarse en sonido como un tono constante, mientras que una línea inclinada hacia arriba puede ser una escala ascendente. A menudo, el software busca extraer conceptos o metáforas del medio (como altura o sentimiento) y aplicar la información extraída para generar canciones utilizando las formas en que la teoría musical típicamente representa esos conceptos. Otro ejemplo es la traducción de texto a música, [4] [5] que puede abordar la composición extrayendo el sentimiento (positivo o negativo) del texto utilizando métodos de aprendizaje automático como el análisis de sentimiento y representa ese sentimiento en términos de calidad de acordes como menor acordes (tristes) o mayores (felices) en la salida musical generada. [6]
Modelos matemáticos
Los modelos matemáticos se basan en ecuaciones matemáticas y eventos aleatorios. La forma más común de crear composiciones a través de las matemáticas son los procesos estocásticos . En los modelos estocásticos, una pieza musical se compone como resultado de métodos no deterministas . El proceso de composición es controlado solo parcialmente por el compositor al ponderar las posibilidades de eventos aleatorios. Ejemplos destacados de algoritmos estocásticos son las cadenas de Markov y varios usos de las distribuciones gaussianas . Los algoritmos estocásticos se utilizan a menudo junto con otros algoritmos en varios procesos de toma de decisiones.
La música también se ha compuesto a través de fenómenos naturales. Estos modelos caóticos crean composiciones a partir de los fenómenos armónicos e inarmónicos de la naturaleza. Por ejemplo, desde la década de 1970, los fractales se han estudiado también como modelos de composición algorítmica.
Como ejemplo de composiciones deterministas a través de modelos matemáticos, la Enciclopedia en línea de secuencias de enteros ofrece una opción para reproducir una secuencia de enteros como música de 12 tonos de temperamento igual . (Inicialmente está configurado para convertir cada entero en una nota en un teclado musical de 88 teclas calculando el entero módulo 88, a un ritmo constante. Por lo tanto, 123456, los números naturales, es igual a la mitad de una escala cromática). Como otro ejemplo, la serie de todos los intervalos se ha utilizado para la composición asistida por ordenador [7]
Sistemas basados en el conocimiento
Una forma de crear composiciones es aislar el código estético de un determinado género musical y utilizar este código para crear nuevas composiciones similares. Los sistemas basados en el conocimiento se basan en un conjunto de argumentos prefabricados que pueden utilizarse para componer nuevas obras del mismo estilo o género. Por lo general, esto se logra mediante un conjunto de pruebas o reglas que requieren cumplimiento para que la composición sea completa. [8]
Gramáticas
La música también se puede examinar como un idioma con un conjunto gramatical distintivo . Las composiciones se crean construyendo primero una gramática musical, que luego se utiliza para crear piezas musicales comprensibles. Las gramáticas a menudo incluyen reglas para la composición a nivel macro, por ejemplo, armonías y ritmo , en lugar de notas individuales.
Enfoques de optimización
Al generar estilos bien definidos, la música puede verse como un problema de optimización combinatoria, por lo que el objetivo es encontrar la combinación correcta de notas de manera que se minimice la función objetivo. Esta función objetivo generalmente contiene reglas de un estilo particular, pero se puede aprender utilizando métodos de aprendizaje automático como los modelos de Markov. [9] Los investigadores han generado música utilizando una gran variedad de métodos de optimización diferentes, incluida la programación de enteros, [10] búsqueda de vecindad variable, [11] y métodos evolutivos como se menciona en la siguiente subsección.
Métodos evolutivos
Los métodos evolutivos de componer música se basan en algoritmos genéticos . [12] La composición se está construyendo mediante un proceso evolutivo . A través de la mutación y la selección natural , diferentes soluciones evolucionan hacia una pieza musical adecuada. La acción iterativa del algoritmo elimina las malas soluciones y crea otras nuevas a partir de las que sobreviven al proceso. Los resultados del proceso son supervisados por el crítico, una parte vital del algoritmo que controla la calidad de las composiciones creadas.
Enfoque Evo-Devo
Los métodos evolutivos , combinados con los procesos de desarrollo, constituyen el enfoque evo-devo para la generación y optimización de estructuras complejas. Estos métodos también se han aplicado a la composición musical, donde la estructura musical se obtiene mediante un proceso iterativo que transforma una composición muy simple (hecha de unas pocas notas) en una pieza compleja y completa (ya sea una partitura o un archivo MIDI). ). [13] [14]
Sistemas que aprenden
Los sistemas de aprendizaje son programas que no tienen conocimiento del género musical con el que están trabajando. En su lugar, recopilan el material de aprendizaje por sí mismos a partir del material de ejemplo proporcionado por el usuario o el programador. Luego, el material se procesa en una pieza musical similar al material de ejemplo. Este método de composición algorítmica está fuertemente vinculado al modelado algorítmico de estilo, [15] la improvisación de máquinas y estudios tales como la ciencia cognitiva y el estudio de las redes neuronales . Assayag y Dubnov [16] propusieron un modelo de Markov de longitud variable para aprender continuaciones de motivos y frases de diferente longitud. Marchini y Purwins [17] presentaron un sistema que aprende la estructura de una grabación de audio de un fragmento de percusión rítmica utilizando agrupaciones no supervisadas y cadenas de Markov de longitud variable y que sintetiza variaciones musicales a partir de ellas.
Sistemas híbridos
Los programas basados en un único modelo algorítmico rara vez logran crear resultados estéticamente satisfactorios. Por esa razón, los algoritmos de diferente tipo a menudo se usan juntos para combinar las fortalezas y disminuir las debilidades de estos algoritmos. La creación de sistemas híbridos para la composición musical ha abierto el campo de la composición algorítmica y ha creado también muchas formas nuevas de construir composiciones algorítmicamente. El único problema importante de los sistemas híbridos es su creciente complejidad y la necesidad de recursos para combinar y probar estos algoritmos.
Otro enfoque, que se puede llamar composición asistida por computadora , es crear algorítmicamente ciertas estructuras para finalmente composiciones "hechas a mano". Ya en la década de 1960, Gottfried Michael Koenig desarrolló los programas informáticos Project 1 y Project 2 para música aleatoria , cuya producción se estructuraba con sensatez "manualmente" mediante instrucciones de ejecución. En la década de 2000, Andranik Tangian desarrolló un algoritmo informático para determinar las estructuras de eventos de tiempo para cánones rítmicos y fugas rítmicas, [18] [19] que luego se elaboraron en composiciones armónicas Eine kleine Mathmusik I y Eine kleine Mathmusik II ; para partituras y grabaciones ver. [20]
Ver también
- Cambiar el timbre
- Creatividad computacional
- Música de computadora
- Ritmo euclidiano (ritmos musicales tradicionales que son generados por el algoritmo de Euclides )
- Música evolutiva
- Música generativa
- Juego de dados musicales
- Automatización de la música pop
- Programación (música)
- Lista de software de música
Referencias
- ^ El manual de Oxford de música algorítmica . Manuales de Oxford. Oxford, Nueva York: Oxford University Press. 2018-02-15. ISBN 9780190226992.
- ^ Jacob, Bruce L. (diciembre de 1996). "Composición algorítmica como modelo de creatividad". Sonido organizado . 1 (3): 157-165. doi : 10.1017 / S1355771896000222 . hdl : 1903/7435 .
- ^ Papadopoulos, George; Wiggins, Geraint (1999). "Métodos de IA para la composición algorítmica: una encuesta, una visión crítica y perspectivas futuras" (PDF) . Actas del Simposio AISB'99 sobre Creatividad Musical, Edimburgo, Escocia : 110-117.
- ^ Davis, Hannah (2014). "Generando música a partir de la literatura" . Actas del taller de la EACL sobre lingüística computacional para la literatura : 1–10. arXiv : 1403.2124 . Código bibliográfico : 2014arXiv1403.2124D . doi : 10.3115 / v1 / W14-0901 . S2CID 9028922 .
- ^ "Generación de música a partir de texto" .
- ^ "Tambr Music From Literature" . Archivado desde el original el 29 de diciembre de 2018 . Consultado el 14 de mayo de 2019 .
- ^ Mauricio Toro, Carlos Agon, Camilo Rueda, Gerard Assayag. " GELISP: UN MARCO PARA REPRESENTAR PROBLEMAS DE SATISFACCIÓN DE RESTRICCIÓN MUSICAL Y ESTRATEGIAS DE BÚSQUEDA ". Revista de tecnología de la información teórica y aplicada 86 (2). 2016. 327-331.
- ^ Brown, Silas (1997). "Composición algorítmica y análisis reduccionista: ¿Puede una máquina componer?" . CamNotes . Sociedad de Nueva Música de la Universidad de Cambridge . Consultado el 28 de octubre de 2016 .
- ^ Herremans, D .; Weisser, S .; Sörensen, K .; Conklin, D. (2015). "Generación de música estructurada para bagana utilizando métricas de calidad basadas en modelos de Markov" (PDF) . Sistemas expertos con aplicaciones . 42 (21): 7424–7435. doi : 10.1016 / j.eswa.2015.05.043 . hdl : 10067/1274260151162165141 .
- ^ Cunha, Nailson dos Santos; Anand Subramanian; Dorien Herremans (2018). "Generación de solos de guitarra mediante programación entera" (PDF) . Revista de la Sociedad de Investigación Operativa . 69: 6 (6): 971–985. doi : 10.1080 / 01605682.2017.1390528 . S2CID 51888815 .
- ^ Herremans, D .; Sörensen, K. (2013). "Composición de música de contrapunto de quinta especie con un algoritmo de búsqueda de vecindario variable" (PDF) . Sistemas expertos con aplicaciones . 40 (16): 6427–6437. doi : 10.1016 / j.eswa.2013.05.071 .
- ^ Charles Fox 2006 Estructuras musicales jerárquicas genéticas (Asociación Americana de Inteligencia Artificial)
- ^ Ball, Philip (2012). "Rapto algorítmico" . Naturaleza . 188 (7412): 456. doi : 10.1038 / 488458a .
- ^ Fernández, JD; Vico, F (2013). "Métodos de IA en composición algorítmica: una encuesta completa" (PDF) . Revista de Investigación en Inteligencia Artificial . 48 : 513–582. doi : 10.1613 / jair.3908 . Archivado desde el original (PDF) el 17 de noviembre de 2016 . Consultado el 22 de marzo de 2015 .
- ^ S. Dubnov, G. Assayag, O. Lartillot, G. Bejerano, " Uso de métodos de aprendizaje automático para el modelado de estilos musicales ", IEEE Computers, 36 (10), págs. 73-80, octubre de 2003.
- ^ G. Assayag, S. Dubnov, O. Delerue, " Adivinar la mente del compositor: aplicar la predicción universal al estilo musical ", en Actas de la Conferencia Internacional de Música por Computadora, Beijing, 1999.
- ^ Marchini, Marco; Purwins, Hendrik (2011). "Análisis no supervisado y generación de secuencias de percusión de audio" . Exploración de contenidos musicales . Apuntes de conferencias en Ciencias de la Computación. 6684 : 205–218. doi : 10.1007 / 978-3-642-23126-1_14 . ISBN 978-3-642-23125-4.
- ^ Tangian, Andranik (2003). "Construyendo cánones rítmicos" (PDF) . Perspectivas de la nueva música . 41 (2): 64–92 . Consultado el 16 de enero de 2021 .
- ^ Tangian, Andranik (2010). "Construir fugas rítmicas (anexo inédito a Construir cánones rítmicos )". IRCAM, Seminaire MaMuX, 9 de febrero de 2002, Mosaïques et pavages dans la musique (PDF) . Consultado el 16 de enero de 2021 .
- ^ Tangian, Andranik (2002-2003). "Eine kleine Mathmusik I y II". IRCAM, Seminaire MaMuX, 9 de febrero de 2002, Mosaïques et pavages dans la musique . Consultado el 16 de enero de 2021 .
Fuentes
Artículos
- Algoritmos de música por computadora por el Dr. John Francis. Los programas informáticos algorítmicos de música que representan todos los estilos de música, con código fuente C, producen archivos midi. La 19a edición de 2019 ahora contiene 57 programas, 20 estilos y 24 capítulos. Necesita un compilador de CA y un reproductor midi. Para cada programa, hay uno o muchos archivos MP3 como ejemplos.
- Algunas observaciones sobre la composición algorítmica de Martin Supper . Computer Music Journal 25.1 (2001) 48-53
- COMPOSICIÓN CON PROCESO: PERSPECTIVAS SOBRE MÚSICA GENERATIVA Y DE SISTEMAS podcast , que explora enfoques generativos (incluidos algorítmicos, basados en sistemas, formalizados y procedimentales) para la composición y la interpretación principalmente en el contexto de tecnologías experimentales y prácticas musicales de la última parte del siglo XX.
- Composición automática a partir de fuentes de inspiración no musicales , por Robert Smith, et al. Un artículo de conferencia que describe un enfoque basado en el aprendizaje automático para generar música al entrenar un modelo en piezas temáticas y luego generar nuevas piezas basadas en archivos de audio no musicales.
- Composición algorítmica: pensamiento computacional en la música por Michael Edwards. Comunicaciones de la ACM, vol. 54 No. 7, Páginas 58–67 10.1145 / 1965724.1965742.
Otras lecturas
- Phil Winsor y Gene De Lisa : Computer Music en C. Windcrest 1990. ISBN 978-1-57441-116-4
- Curtis Roads: The Computer Music Tutorial. Prensa del MIT 1996
- Eduardo Reck Miranda: Componer música con computadoras. Prensa Focal 2001
- Karlheinz Essl : Composición algorítmica. en: Cambridge Companion to Electronic Music , ed. por N. Collins y J. d'Escrivan, Cambridge University Press 2007. - ISBN 978-0-521-68865-9 . - Resumen
- Gerhard Nierhaus: Composición algorítmica - Paradigmas de generación musical automatizada. Springer 2008. - ISBN 978-3-211-75539-6
- Wooller, Rene, Brown, Andrew R, Miranda, Eduardo, Diederich, Joachim y Berry, Rodney (2005) Un marco para la comparación de procesos en sistemas musicales algorítmicos. En: Generative Arts Practice, 5-7 de diciembre de 2005, Sydney, Australia. [1]
- Una taxonomía funcional de los sistemas de generación musical por Dorien Herremans , Ching-Hua Chuang y Elaine Chew. Encuestas de computación de ACM, vol. 55 No. 5, Páginas 69: 1-30 10.1145 / 3108242.
enlaces externos
- Introducción a la composición algorítmica Lisp Un vídeo de introducción a la composición algorítmica utilizando el lenguaje de programación Lisp.
- Tutoriales de composición algorítmica Una serie de tutoriales de composición algorítmica.