Tonal parsimony in chord-sequence analysis: combining modulation cost and tonal vocabulary

Resumen Técnico: Parsimonia Tonal en el Análisis de Secuencias de Acordes

Planteamiento del Problema
El artículo aborda la tarea de asignar tonalidades locales a una secuencia de acordes ($c_1, \dots, c_n$). Para cada acorde, se precomputa un conjunto de tonalidades candidatas $T_i$ basado en la compatibilidad entre acorde y escala (típicamente las 12 tonalidades mayores y 12 menores). El objetivo es seleccionar una secuencia de tonalidades $x_1, \dots, x_n$ donde $x_i \in T_i$ que optimice criterios globales.

Los enfoques estándar utilizan programación dinámica para minimizar el costo de modulación ($C$), definido como el número de cambios de tonalidad adyacentes ($x_i \neq x_{i+1}$). Sin embargo, minimizar $C$ por sí solo no restringe el número total de tonalidades distintas utilizadas ($K$). Esto puede dar lugar a análisis que son fluidos en términos de transiciones pero que utilizan un vocabulario tonal innecesariamente grande y complejo. Por el contrario, minimizar $K$ por sí solo (un problema de conjunto de choque o hitting-set) a menudo resulta en modulaciones implausiblemente frecuentes. El artículo propone la parsimonia tonal, un objetivo lexicográfico que minimiza primero el costo de modulación y luego minimiza el número de tonalidades distintas entre todas las soluciones con el costo de modulación mínimo:
$$\min_{lex} (C(x), K(x))$$

Metodología
Los autores modelan el problema como un problema de optimización de restricciones de dominio finito sobre un universo fijo de 24 tonalidades ($|T|=24$). Comparan tres estrategias de optimización específicas:

1. Programación Dinámica (DP) de solo transiciones: Una recurrencia de Bellman estándar que minimiza $C$. Se ejecuta en un tiempo de $O(nm^2)$.
2. Minimización de NValue pura: Un enfoque de conjunto de choque que encuentra el conjunto más pequeño de tonalidades $S$ tal que cada acorde tiene un candidato compatible en $S$. Esto minimiza $K$ pero ignora los costos de transición.
3. Parsimonia Tonal (Optimización Lexicográfica): El método propuesto. Emplea un algoritmo exacto especializado que combina un criterio de trayectoria de costo regular con un criterio de $NValue$.
   • Algoritmo: El método descompone el problema en la búsqueda de segmentos de tonalidad constante mínimos. Utiliza un enfoque de dos fases: un paso hacia atrás para calcular el número mínimo de segmentos requeridos desde cualquier posición hasta el final, y un paso hacia adelante que extiende las segmentaciones parciales solo si aún pueden alcanzar el óptimo global.
   • Poda: El algoritmo utiliza la poda por dominancia en etiquetas $(i, t, S, C)$, donde $S$ es una máscara de bits de las tonalidades utilizadas. Una etiqueta se descarta si existe otra en la misma posición y tonalidad con un costo de modulación menor o igual y un subconjunto de las tonalidades utilizadas.
   • Complejidad: Aunque el problema es NP-duro en el caso general (reducible al Problema del Conjunto de Choque), es tratable en tiempo fijo (FPT) con respecto al número de tonalidades $m$. Con $m=24$, la dependencia exponencial de $m$ es manejable en la práctica.

Capa de Sustitución
Para abordar las limitaciones de la compatibilidad literal entre acorde y escala (que falla al capturar funciones comunes del jazz como las sustituciones de tritono), los autores introducen una clausura de sustitución ponderada.

• Esta capa enriquece los dominios candidatos $T_i$ añadiendo interpretaciones no diatónicas (por ejemplo, interpretar un $Bb7$ como una sustitución de tritono para un $E7$ en la tonalidad de La).
• Estas interpretaciones se precomputan como una clausura finita de reglas funcionales recursivas (por ejemplo, dominantes secundarios, dominantes de la puerta trasera, acordes prestados) y se aplanan en un problema estándar de dominio finito.
• Los objetivos de optimización permanecen inalterados; las reglas de sustitución simplemente expanden el espacio de búsqueda, permitiendo que el optimizador encuentre trayectorias que sean funcionalmente coherentes sin introducir nuevos centros tonales.

Contribuciones Clave

1. Formulación: Definir la parsimonia tonal como una optimización lexicográfica del costo de modulación y el tamaño del vocabulario tonal.
2. Algoritmo: Proporcionar un algoritmo de programación dinámica exacto y especializado que resuelve este objetivo conjunto de manera eficiente para el universo fijo de 24 tonalidades, evitando los problemas de escalabilidad de los resolvedores de restricciones genéricos (ej. MiniZinc/Gecode).
3. Integración de Sustitución: Demostrar cómo las reglas de sustitución funcional del jazz pueden integrarse como un paso de preprocesamiento para expandir los dominios candidatos, mejorando la plausibilidad funcional del análisis sin alterar la lógica central de optimización.

Resultos
Los métodos fueron evaluados en dos conjuntos de datos: el corpus LMD Chords (31,032 secuencias) y 1,555 estándares de jazz anotados profesionalmente.

• Estadísticas del Corpus (LMD Chords):

  • La parsimonia tonal preserva el número mínimo de modulaciones de la DP de solo transiciones mientras reduce el número medio de tonalidades distintas ($K$) en el 55.8% de los casos.
  • Con el enriquecimiento por sustitución, el número medio de tonalidades cae de 3.802 a 3.206, y el número medio de modulaciones cae de 16.728 a 12.141.
  • La implementación especializada en Python procesa el corpus completo en menos de un minuto de tiempo de CPU, mientras que un modelo directo de MiniZinc no logra terminar en instancias grandes tras varias horas.

• Validación Profesional (Estándares de Jazz):

  • La parsimonia tonal logra un 81.1% de acuerdo estricto acorde-escala y un 95.6% de acuerdo compatible conservador con las anotaciones profesionales.
  • Esto supera tanto a la DP de solo transiciones (94.3% de compatibilidad) como al método de NValue puro (94.3% de compatibilidad).
  • En ejemplos específicos (ej. The Gift, Nuages), el método combina con éxito el bajo conteo de transiciones de la DP con el vocabulario compacto del método NValue, resolviendo ambigüedades donde la DP estándar introduce centros tonales innecesarios.

• Validación CokerBench:

  • En 19 ejemplos funcionales de jazz, los modelos enriquecidos con sustitución resolvieron correctamente 16/18 casos respecto a los conteos de tonalidad esperados y 13/15 respecto al análisis de la raíz.
  • Los resultados indican que muchos "fallos de optimización" previos eran en realidad problemas de "dominio faltante" resolubles mediante reinterpretación funcional.

Significancia y Reivindicaciones
El artículo sostiene que la parsimonia tonal ofrece un objetivo más intuitivo musicalmente y más compacto para el análisis armónico que la minimización de solo transiciones. Al priorizar la fluidez (bajo $C$) pero desempatar con el tamaño del vocabulario (bajo $K$), el método produce análisis que son tanto fluidos como cognitivamente eficientes para la improvisación y la rearmonización.

Los autores enfatizan que, aunque el objetivo conjunto es combinatoriamente difícil en general, la naturaleza fija del universo tonal mayor/menor ($m=24$) hace que el problema sea tratable para el análisis a escala profesional. Además, el estudio demuestra que el valor optimizado $K$ sirve como un descriptor estructural de la complejidad armónica, capaz de distinguir secuencias generadas en distintos regímenes de riqueza tonal. El trabajo concluye que minimizar tanto el costo de transición como el vocabulario tonal es un enfoque viable y superior para el análisis armónico orientado al jazz, particularmente cuando se aumenta con reglas de sustitución funcional.