vega-mir: An information-theoretic Python toolkit for symbolic music, with applications to harmonic graphs and rubato spectra

Questo articolo presenta *vega-mir*, un toolkit Python open-source per l'analisi musicale simbolica che include nove metriche di teoria dell'informazione, e ne dimostra l'utilità attraverso studi di caso che rivelano una correlazione tra la centralità del grafo armonico e la distanza armonica tra compositori, nonché prove che il rubato di Glenn Gould è caratterizzato da una periodicità strutturata piuttosto che da rigidità metronomica.

L'essenziale

Immagina di avere una massiccia biblioteca di spartiti musicali di diversi compositori e interpreti. Per lungo tempo, i ricercatori di musica hanno cercato di comprendere queste biblioteche scattando semplici "istantanee" – come contare quante volte un compositore usa una nota specifica o misurare la velocità media di un'esecuzione. Ma queste istantanee spesso trascurano il quadro d'insieme, come il flusso di una conversazione o il ritmo di un battito cardiaco.

Questo articolo introduce vega-mir, una nuova "cassetta degli attrezzi" open-source per informatici e musicologi. Pensala come un coltellino svizzero pre-caricato con nove strumenti matematici specifici progettati per analizzare la musica scritta come simboli (come spartiti o codici digitali) piuttosto che come onde sonore.

Ecco una panoramica di ciò che l'articolo fa realmente, utilizzando semplici analogie:

1. La Cassetta degli Attrezzi (La Biblioteca)

Prima di questo strumento, se un ricercatore voleva analizzare la musica, doveva costruire il proprio metro, la propria bilancia e la propria calcolatrice per ogni singolo progetto. Era disordinato e difficile confrontare i risultati.

vega-mir è come un kit standardizzato e pre-calibrato. Raggruppa nove diversi "metriche" (modi di misurare) in un unico pacchetto pulito.

• Tre di questi strumenti erano già stati utilizzati in uno studio precedente (chiamato "Cygnus") per analizzare migliaia di registrazioni di pianoforte.
• Quattro sono nuovi "controlli di sanità mentale" che gli autori hanno testato su un piccolo gruppo di compositori per assicurarsi che funzionassero correttamente.
• Due sono strumenti completamente nuovi che gli autori utilizzano in questo articolo per scavare più a fondo che mai.

2. Caso di Studio A: La "Mappa Armonica" (Transizioni di Accordi)

Il primo nuovo strumento esamina come gli accordi si muovono da uno all'altro. Immagina una mappa della città dove ogni incrocio è un accordo musicale.

• Il Vecchio Modo: I ricercatori si limitavano a contare quante auto (accordi) passavano attraverso ogni incrocio. Sapevano quali incroci erano affollati, ma non come il traffico fluiva tra di essi.
• Il Nuovo Modo (vega-mir): Questo strumento costruisce una mappa completa del traffico. Calcola un "centro di gravità" – un accordo specifico che agisce come il principale snodo della città, attirando la maggior parte del traffico.
• La Scoperta: Gli autori hanno analizzato 14 famosi compositori (come Bach, Mozart e Beethoven). Hanno scoperto che per la maggior parte dei compositori, il "centro di gravità" non era l'accordo tonale (la casa), ma un accordo vicino (la sopratonica).
  • Analogia: È come rendersi conto che in una città, lo snodo più importante non è il Municipio (la casa), ma la stazione ferroviaria principale (il vicino) perché è lì che avvengono tutte le connessioni.
  • Hanno anche scoperto che la posizione di questo "snodo" correla con quanto la musica di un compositore suoni diversa da quella degli altri, ma il tipo di snodo (maggiore vs. minore) non racconta l'intera storia.

3. Caso di Studio B: Il "Radar del Rubato" (Variazioni di Tempo)

Il "rubato" è quando un musicista accelera o rallenta leggermente per effetto emotivo. Il vecchio modo di misurare questo era prendere la velocità media dell'intera esecuzione e dire: "Questa persona è veloce", oppure "Questa persona è lenta".

• Il Problema: È come giudicare un corridore solo dalla sua velocità media. Manca se sta scattando a scatti, correndo a passo costante o vagando lentamente.
• Il Nuovo Modo (vega-mir): Questo strumento agisce come un radar meteorologico. Invece di misurare solo la velocità del vento, osserva il pattern del vento. È una brezza costante? Una raffica improvvisa? Un'onda ritmica?
• La Scoperta: Gli autori hanno studiato tre famosi pianisti che eseguivano Bach: Glenn Gould, András Schiff e Sviatoslav Richter.
  • Il Cliché: Spesso si dice che Glenn Gould suoni come un "metronomo" (perfettamente robotico) perché le sue variazioni di velocità media sono molto piccole.
  • La Realtà: Il radar ha mostrato che Gould non è robotico; è semplicemente strutturato. Mentre Schiff e Richter lasciavano il loro tempo fluire liberamente (come una nuvola sciolta), il tempo di Gould cambiava secondo un pattern molto specifico e ritmico (come un battito cardiaco).
  • La Svoltata: Gould aveva in realtà la maggior struttura ritmica (la più alta "periodicità") dei tre. Il suo "rubato" era piccolo nelle dimensioni ma molto organizzato nel tempo. La vecchia misurazione della "velocità media" nascondeva completamente questo fatto.

4. Perché Questo È Importante

L'articolo non afferma di scoprire nuove leggi della fisica o della teoria musicale. Si tratta invece di consolidamento.

• Prende matematica complessa che di solito richiede un dottorato di ricerca per essere implementata e la trasforma in comandi semplici, su una sola riga, che chiunque può usare.
• Dimostra che osservare la struttura della musica (come gli accordi si collegano, come i pattern di tempo si ripetono) rivela dettagli nascosti che le semplici medie trascurano.
• Fornisce un linguaggio condiviso in modo che diversi ricercatori possano confrontare i loro risultati senza litigare su chi abbia usato la calcolatrice giusta.

In breve: Gli autori hanno costruito un microscopio migliore per la musica. Lo hanno usato per mostrare che un famoso pianista non è un robot, ma un architetto ritmico, e che i "nodi" dell'armonia musicale sono spesso diversi da quanto pensavamo. Tutto questo è ora disponibile per chiunque voglia utilizzarlo nella propria ricerca.

Sommario tecnico

Riepilogo Tecnico di vega-mir: Un toolkit Python basato sulla teoria dell'informazione per la musica simbolica

Enunciato del Problema
Mentre i descrittori basati sulla teoria dell'informazione (ad esempio, entropia di Shannon, divergenza di Kullback-Leibler, adattamenti zipfiani) sono diventati standard per l'analisi quantitativa della musica simbolica, la loro implementazione rimane frammentata. La ricerca attuale richiede tipicamente di "cucire insieme" chiamate disparate a scipy.stats, algoritmi di smoothing sviluppati manualmente e codice di analisi di rete ad hoc. Questa frammentazione comporta una mancanza di API condivise, suite di test o valori di riferimento, ostacolando la riproducibilità e la validazione trasversale tra studi. È necessario un libreria consolidata e testata che raggruppi queste metriche con impostazioni predefinite coerenti e valori di riferimento per le comunità di Information Retrieval Musicale (MIR) e musicologia computazionale.

Metodologia
Il paper introduce vega-mir, una libreria Python open-source (v0.0.1) progettata per operare su input di musica simbolica (sequenze di gradi della scala, grafi di transizione degli accordi, curve del tempo). La libreria è costruita su numpy, scipy, networkx, mido e pretty_midi, e segue una strategia di validazione rigorosa:

1. Ancore Analitiche: Le metriche sono testate unitariamente contro verità di base teoriche (ad esempio, distribuzioni uniformi che producono valori specifici di entropia, rumore bianco che produce dimensioni frattali specifiche).
2. Controlli di Parità: Le implementazioni sono verificate per una parità esatta rispetto alla pipeline Cygnus upstream (Jalbert-Desforges 2026).
3. Design dell'API: La libreria espone un'API a tre livelli per ciascuna metrica: una funzione primitiva per vettori normalizzati, una funzione di convenienza basata sui conteggi con smoothing di Laplace e una funzione di convenienza basata sulle sequenze per input di accordi/gradi della scala.

Il paper cataloga nove metriche divise in quattro domini:

• Teoria dell'Informazione: Entropia di Shannon e divergenza di Kullback-Leibler (KL) (precedentemente implementate in Cygnus).
• Frequenza-Rango: Adattamenti zipfiani per distribuzioni marginali e di transizione (precedentemente implementate in Cygnus).
• Disuguaglianza: Coefficiente di Gini multidimensionale.
• Reti: Analisi di rete su grafi di transizione degli accordi (PageRank, clustering, modularità).
• Serie Temporali/Elaborazione del Segnale: Test di stazionarietà chi-quadro, dimensione frattale di Higuchi, analisi spettrale del rubato e adattamenti della distribuzione degli intervalli.

Contributi Chiave

1. Consolidamento della Libreria: Il contributo principale è il consolidamento di nove metriche dietro un'unica API testata e citabile con un insieme condiviso di valori di riferimento, riducendo il costo di attivazione per le analisi distribuzionali.
2. Caso di Studio 1: Firme delle Reti Armoniche: Un'analisi di rete dei grafi di transizione degli accordi per 14 compositori MAESTRO ($N \ge 10$ brani). Lo studio costruisce grafi diretti pesati delle transizioni dei gradi della scala e analizza descrittori a livello di nodo (PageRank) e a livello di grafo.
3. Caso di Studio 2: Firme Spettrali del Rubato: Un'analisi spettrale delle curve del tempo (rubato) su un corpus di 247 brani di Bach eseguito da tre pianisti (Schiff, Gould, Richter). Lo studio utilizza un classificatore spettrale per categorizzare il rubato in quattro tipi (metronomico, libero, quasi-periodico, periodico) basandosi sulla densità spettrale di potenza e sui rapporti di periodicità.

Risultati

• Reti Armoniche:

  • Saturazione del Grafo: Alla soglia di probabilità di transizione dell'1%, i grafi di transizione armonica per tutti e 14 i compositori sono saturi (conservando circa 120 dei 210 archi possibili) ed esibiscono proprietà di piccolo mondo.
  • Identità del Centro di Gravità: Il "centro di gravità" PageRank (il grado della scala con il PageRank più alto) varia tra i compositori, assumendo cinque valori distinti (ad esempio, Tonica Maggiore I per Mozart; Sopratonica II per Bach, Haydn, ecc.). Tuttavia, questa identità categorica non correla con la distanza KL marginale ($\rho = 0.13, p = 0.21$).
  • Correlazione Continua: Il valore continuo del PageRank del nodo del centro di gravità correla con la distanza KL marginale ($\rho = 0.61$, Spearman, $N=14$). Questa correlazione è guidata quasi interamente dal singolo feature PageRank; altri descrittori di rete (densità, clustering) sono quasi uniformi nel corpus.
  • Leva: La correlazione è sensibile ai singoli compositori; rimuovere Mendelssohn riduce significativamente la correlazione, indicando che il risultato è un'osservazione qualitativa dell'ordinamento piuttosto che una stima statisticamente stabile.

• Spettri del Rubato:

  • Inversione del Cliché: Contrariamente all'interpretazione scalare secondo cui la bassa deviazione standard ($\sigma$) di Glenn Gould implicherebbe un'esecuzione "metronomica", l'analisi spettrale rivela che Gould ha il rapporto di periodicità più alto (0.293) tra i tre pianisti, significativamente più alto di Schiff (0.204) e Richter (0.257).
  • Colore Temporale: Il rubato di Gould è caratterizzato come "piccolo in ampiezza ma strutturato nel tempo", con un periodo dominante mediano di 66 battiti, rispetto a 102 (Schiff) e 104 (Richter).
  • Analisi Diacronica: In un confronto tra le registrazioni del 1955 e del 1981 delle Variazioni Goldberg di Gould, la registrazione del 1981 mostra una riduzione significativa dell'ampiezza del rubato ($\Delta\sigma = -2.39$ BPM) ma nessuno spostamento significativo nel colore spettrale (il cambiamento del rapporto di periodicità non è significativo). L'esecuzione del 1981 è una versione "più tranquilla" dello stesso rubato strutturale, non una ristrutturata.
  • Robustezza: La constatazione che Gould detiene la maggioranza delle classificazioni "periodiche" sopravvive all'analisi di sensibilità alla soglia (17/17 esecuzioni di perturbazione).

Significato e Affermazioni
Il paper inquadra esplicitamente vega-mir come una consolidazione, non una scoperta. I fondamenti matematici delle nove metriche sono vecchi di decenni; il contributo risiede nel fornire "un'unica API testata con impostazioni predefinite coerenti e un insieme condiviso di valori di riferimento".

Gli autori affermano che la libreria consente:

1. Riproducibilità: Offrendo una suite di test condivisa e valori di riferimento, i risultati possono essere cross-validati tra studi.
2. Recupero del Segnale: I casi di studio dimostrano che i descrittori basati sulla teoria dell'informazione oltre le statistiche marginali (in particolare la topologia di rete e il colore spettrale) recuperano segnali che gli riassunti scalari scartano. Ad esempio, la media scalare del rubato oscura il "colore temporale" dell'esecuzione, mentre l'analisi di rete rivela che il "centro di gravità" del flusso armonico è un descrittore continuo correlato alla divergenza marginale, distinto dalla sua identità categorica.
3. Accessibilità: La libreria abbassa la barriera all'ingresso per i ricercatori che necessitano di analisi distribuzionali senza dover reimplementare la matematica sottostante.

Il paper mantiene modestia riguardo alle affermazioni statistiche, notando che le correlazioni di rete sono osservazioni qualitative soggette ad alta leva da parte di singoli compositori, e che quattro delle nove metriche (Gini, stazionarietà, Higuchi, intervalli) sono attualmente validate solo su piccoli dataset e attendono un pieno dispiegamento empirico su scala corpus nel lavoro futuro.