Algoritmo de composición musical autónoma sin entrenamiento, aplicando procesamiento de lenguaje natural, cómputo evolutivo, metaheurísticas y LWRS

Abstract

Resumen MIA Harmfirst a1 es una arquitectura algorítmica diseñada para componer piezas musicales originales y aleatorias de manera autónoma, que no requiere de entrenamiento a partir de piezas reales, y que posee parámetros que al ser configurados permiten dirigir el estilo musical en sus resultados. El sistema genera las llamadas “Ideas musicales”, en archivos de audio-partitura MIDI, con dos componentes principales: melodía (de una sola voz y sin contrapunto) y armonía. El algoritmo recibe su nombre “Harmfirst” debido a que construye una armonía y con base en esta musicaliza su melodía (“Harmony first”). La melodía se construye utilizando una Gramática Generativa y un banco de palabras en español, que en conjunto generan oraciones completamente aleatorias y sintácticamente correctas, que posteriormente son procesadas mediante una metaheurística de Recocido Simulado para asignar un ritmo a cada sílaba, cuadrando las oraciones en un número definido de compases, mediante una función objetivo que maximiza la aplicación de reglas prosódicas como la colocación de sílabas tónicas en tiempos fuertes, buscando fluidez y uniformidad rítmica. La armonía, por su parte, se genera mediante un Algoritmo Genético, optimizando secuencias de acordes generados aleatoriamente, maximizando principios de estética musical en la armonía tonal, como la presencia de cadencias y dinámicas de tensión/resolución. Posteriormente, utilizando el algoritmo de selección LWRS (Logarithmic Weighted Random Selector) y creando una jerarquía de tonos basada en los principios de la música tonal, se asignan sonidos a cada sílaba en función de los acordes subyacentes, para finalmente conformar la Idea musical. El algoritmo se construyó con tres estructuras distintas de generación. Primeramente una estructura que recibe versos escritos por el usuario (en lugar de utilizar la Gramática Generativa) y los musicaliza (llamada Estructura TEXTO), otra que compone piezas musicales de la forma “abab’”: es decir, una frase melódica “a” y una frase melódica “b” con una progresión de acordes para ambas, y seguidamente una repetición de amabas frases, pero siendo “b’” una variación de “b” y teniendo una variación (o no) de los acordes de “a” y “b” (Estructura abab’), y finalmente una estructura que compone de manera libre (Estructura libre). Adicional al algoritmo se diseñó una métrica experimental de evaluación estética basada en la percepción de un oyente (Métrica de Estética Musical Perceptual), y se aplicó en evaluaciones realizadas por cinco estudiantes del octavo semestre de la licenciatura en música, quienes analizaron siete piezas generadas por el algoritmo y siete piezas de compositores humanos galardonados. Se les indicó a los músico que todas las piezas fueron generadas por un algoritmo, para evitar sesgos de evaluación propiciados por el origen de cada pieza. Los resultados de evaluación demostraron un puntaje global de 50% de calidad estética para las composiciones de MIA Harmfirst a1, en comparación al 92% de las piezas musicales humanas, con una diferencia de 15% entre la peor pieza de compositores y la mejor del algoritmo. La evaluación demostró además un 13.4% de desviación estándar en los puntajes de las piezas del algoritmo, en contraposición con el 3.4% para piezas musicales humanas, demostrando, por un lado una alta variabilidad en la calidad de las piezas del algoritmo, y por otro, la buena objetividad en la métrica de evaluación, debido a la consistencia de puntajes entre las piezas de compositores, que fueron seleccionadas especialmente por ser de excelente calidad. La fiabilidad y objetividad de la métrica de evaluación se corrobora además gracias al 5.2% de desviación estándar en los puntajes de piezas de los compositores seleccionados, pero en este casi, para una pregunta de evaluación subjetiva basada en el gusto de la pieza. Es decir, existe mayor variabilidad con los puntajes subjetivos que con la métrica objetiva. Se logró construir un algoritmo de composición musical automática, que no depende del uso de piezas musicales reales para su entrenamiento, y que evidenció un 64.2% de aprobación entre los músicos evaluadores a los que se les pidió responder, para cada pieza, si esta poseía potencial de convertirse en una obra completa de ser tomada y ligeramente modificada a su gusto. Se encontró además que cada módulo del algoritmo tuvo un desempeño similar, aunque con diferencias puntuales. El Recocido Simulado (junto a la implementación de “múltiples Recocidos”) destacó por ser el modelo que más aportó a la calidad de los resultados generados, sobre todos para las piezas con estructura abab’, que tuvieron las mejores puntuaciones, con un 60% de calidad estética promedio y con un 77.5% de calidad específicamente en el ritmo. Se encontró que la repetición de componentes generados (como frases o grupos de acordes) dentro de una misma pieza propicia al aumento en la calidad, principalmente en ritmo y en coherencia estructural. La composición libre se encontró como la estructura peor puntuada, con 10.84% menos que el promedio de calidad en las pieza. El módulo LWRS tuvo un gran desempeño, pues la melodía fue el segundo componente mejor evaluado después del ritmo, para las estructuras abab’ y libre, aunque siendo menor en desempeño global con respecto al Algoritmo Genético, que demostró un desempeño que se puede mejorar. La categoría peor evaluada para las composiciones de MIA fue el Impacto Emocional y Expresivo. El algoritmo MIA logra componer piezas musicales de hasta un 71% de calidad estética, dejando cabida a que, mediante la reutilización de componentes y el acomodo manual de los mismos a criterio del usuario, se pueda mejorar incluso más la calidad de los resultados finales.