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

Este artigo apresenta o *vega-mir*, um toolkit Python de código aberto para análise simbólica de música que oferece nove métricas de teoria da informação, e demonstra sua utilidade por meio de estudos de caso que revelam uma correlação entre a centralidade do grafo harmônico e a distância harmônica entre compositores, bem como evidências de que o rubato de Glenn Gould é caracterizado por periodicidade estruturada em vez de rigidez métrica.

O essencial

Imagine que você tem uma biblioteca massiva de partituras de diferentes compositores e intérpretes. Por muito tempo, pesquisadores de música tentaram entender essas bibliotecas tirando simples "instantâneos"—como contar com que frequência um compositor usa uma nota específica ou medir a velocidade média de uma performance. Mas esses instantâneos frequentemente perdem a imagem maior, como o fluxo de uma conversa ou o ritmo de um batimento cardíaco.

Este artigo apresenta o vega-mir, uma nova "caixa de ferramentas" de código aberto para cientistas da computação e musicólogos. Pense nele como um canivete suíço que vem pré-carregado com nove ferramentas matemáticas específicas projetadas para analisar música escrita como símbolos (como partituras ou códigos digitais) em vez de ondas sonoras.

Aqui está uma descrição do que o artigo realmente faz, usando analogias simples:

1. A Caixa de Ferramentas (A Biblioteca)

Antes desta ferramenta, se um pesquisador quisesse analisar música, ele tinha que construir sua própria fita métrica, sua própria balança e sua própria calculadora para cada projeto individual. Era bagunçado e difícil comparar resultados.

O vega-mir é como um kit padronizado e pré-calibrado. Ele agrupa nove diferentes "métricas" (formas de medir) em um único pacote limpo.

• Três dessas ferramentas já eram usadas em um estudo anterior (chamado "Cygnus") para analisar milhares de gravações de piano.
• Quatro são novas "verificações de sanidade" que os autores testaram em um pequeno grupo de compositores para garantir que funcionassem corretamente.
• Duas são ferramentas totalmente novas que os autores utilizam neste artigo para investigar mais profundamente do que nunca antes.

2. Estudo de Caso A: O "Mapa Harmônico" (Transições de Acordes)

A primeira nova ferramenta examina como os acordes se movem de um para o outro. Imagine um mapa da cidade onde cada cruzamento é um acorde musical.

• O Jeito Antigo: Os pesquisadores costumavam apenas contar quantos carros (acordes) passavam por cada cruzamento. Eles sabiam quais cruzamentos eram movimentados, mas não como o tráfego fluía entre eles.
• O Jeito Novo (vega-mir): Esta ferramenta constrói um mapa completo de tráfego. Ela calcula um "centro de gravidade"—um acorde específico que atua como o principal hub da cidade, atraindo a maior parte do tráfego.
• A Descoberta: Os autores analisaram 14 compositores famosos (como Bach, Mozart e Beethoven). Eles descobriram que, para a maioria dos compositores, o "centro de gravidade" não era o acorde de casa (a tônica), mas um acorde vizinho (a supertônica).
  • Analogia: É como perceber que, em uma cidade, o hub mais importante não é a Prefeitura (a casa), mas a estação principal de trem (o vizinho), porque é lá que todas as conexões acontecem.
  • Eles também descobriram que essa localização do "hub" correlaciona-se com o quanto a música de um compositor soa diferente da de outros, mas o tipo de hub (maior vs. menor) não conta toda a história.

3. Estudo de Caso B: O "Radar de Rubato" (Mudanças de Tempo)

"Rubato" é quando um músico acelera ou desacelera ligeiramente para efeito emocional. A maneira antiga de medir isso era pegar a velocidade média de toda a performance e dizer: "Esta pessoa é rápida" ou "Esta pessoa é lenta".

• O Problema: Isso é como julgar um corredor apenas pela sua velocidade média. Perde-se se ele está correndo em rajadas, trotando steady ou vagando lentamente.
• O Jeito Novo (vega-mir): Esta ferramenta age como um radar meteorológico. Em vez de apenas medir a velocidade do vento, ela observa o padrão do vento. É uma brisa constante? Uma rajada súbita? Uma onda rítmica?
• A Descoberta: Os autores estudaram três pianistas famosos tocando Bach: Glenn Gould, András Schiff e Sviatoslav Richter.
  • O Clichê: As pessoas frequentemente dizem que Glenn Gould toca como um "metrônomo" (perfeitamente robótico) porque suas mudanças de velocidade média são muito pequenas.
  • A Realidade: O radar mostrou que Gould não é robótico; ele é apenas estruturado. Enquanto Schiff e Richter deixam seu tempo derivar livremente (como uma nuvem solta), o tempo de Gould muda em um padrão muito específico e rítmico (como um batimento cardíaco).
  • A Reviravolta: Gould na verdade tinha a maior estrutura rítmica (maior "periodicidade") dos três. Seu "rubato" era pequeno em tamanho, mas muito organizado no tempo. A antiga medição de "velocidade média" escondia completamente esse fato.

4. Por Que Isso Importa

O artigo não afirma descobrir novas leis da física ou da teoria musical. Em vez disso, trata-se de consolidação.

• Ele pega matemática complexa que geralmente requer um doutorado para implementar e transforma em comandos simples de uma linha que qualquer um pode usar.
• Ele prova que olhar para a estrutura da música (como os acordes se conectam, como os padrões de tempo se repetem) revela detalhes ocultos que médias simples perdem.
• Ele fornece uma linguagem compartilhada para que diferentes pesquisadores possam comparar seus resultados sem discutir sobre quem usou a calculadora certa.

Em resumo: Os autores construíram um microscópio melhor para a música. Eles o usaram para mostrar que um pianista famoso não é um robô, mas um arquiteto rítmico, e que os "hubs" da harmonia musical são frequentemente diferentes do que pensávamos. Tudo isso está agora disponível para que qualquer pessoa use em sua própria pesquisa.

Resumo técnico

Resumo Técnico de vega-mir: Um toolkit de teoria da informação em Python para música simbólica

Declaração do Problema
Embora descritores de teoria da informação (por exemplo, entropia de Shannon, divergência de Kullback-Leibler, ajustes Zipfianos) tenham se tornado padrão para a análise quantitativa de música simbólica, sua implementação permanece fragmentada. A pesquisa atual tipicamente exige "costurar" chamadas dispersas a scipy.stats, algoritmos de suavização desenvolvidos manualmente e código de análise de rede ad hoc. Essa fragmentação resulta na falta de APIs compartilhadas, suites de teste ou valores de referência, dificultando a reprodutibilidade e a validação entre estudos. Há uma necessidade de uma biblioteca consolidada e testada que agrupe essas métricas com padrões consistentes e valores de referência para as comunidades de recuperação de informação musical (MIR) e musicologia computacional.

Metodologia
O artigo apresenta vega-mir, uma biblioteca Python de código aberto (v0.0.1) projetada para operar em entradas de música simbólica (sequências de graus de escala, grafos de transição de acordes, curvas de andamento). A biblioteca é construída sobre numpy, scipy, networkx, mido e pretty_midi, e segue uma estratégia de validação rigorosa:

1. Âncoras Analíticas: As métricas são testadas unitariamente contra verdades teóricas (por exemplo, distribuições uniformes gerando valores específicos de entropia, ruído branco gerando dimensões fractais específicas).
2. Verificações de Paridade: As implementações são verificadas quanto à paridade exata em relação ao pipeline Cygnus upstream (Jalbert-Desforges 2026).
3. Design de API: A biblioteca expõe uma API de três camadas para cada métrica: uma função primitiva para vetores normalizados, uma função de conveniência baseada em contagens com suavização de Laplace e uma função de conveniência baseada em sequências para entradas de acordes/graus de escala.

O artigo cataloga nove métricas divididas em quatro domínios:

• Teoria da Informação: Entropia de Shannon e divergência de Kullback-Leibler (KL) (anteriormente implantadas em Cygnus).
• Rankeamento-Frequência: Ajustes Zipfianos para distribuições marginais e de transição (anteriormente implantados em Cygnus).
• Desigualdade: Coeficiente de Gini multidimensional.
• Redes: Análise de rede em grafos de transição de acordes (PageRank, agrupamento, modularidade).
• Séries Temporais/Processamento de Sinais: Testes de estacionariedade qui-quadrado, dimensão fractal de Higuchi, análise espectral de rubato e ajuste de distribuição de intervalos.

Principais Contribuições

1. Consolidação de Biblioteca: A contribuição primária é a consolidação de nove métricas por trás de uma única API testada e citável com um conjunto compartilhado de valores de referência, reduzindo o custo de ativação para análises distribucionais.
2. Estudo de Caso 1: Assinaturas de Rede Harmônica: Uma análise de rede de grafos de transição de acordes para 14 compositores do MAESTRO ($N \ge 10$ peças). O estudo constrói grafos direcionados ponderados de transições de graus de escala e analisa descritores em nível de nó (PageRank) e em nível de grafo.
3. Estudo de Caso 2: Assinaturas Espectrais de Rubato: Uma análise espectral de curvas de andamento (rubato) em um corpus de 247 peças de Bach executado por três pianistas (Schiff, Gould, Richter). O estudo utiliza um classificador espectral para categorizar o rubato em quatro tipos (metronômico, livre, quase-periódico, periódico) com base na densidade espectral de potência e razões de periodicidade.

Resultados

• Redes Harmônicas:

  • Saturação do Grafo: No limiar de 1% de probabilidade de transição, os grafos de transição harmônica para todos os 14 compositores estão saturados (retendo ~120 das 210 arestas possíveis) e exibem propriedades de mundo pequeno.
  • Identidade do Centro de Gravidade: O "centro de gravidade" do PageRank (o grau de escala com o maior PageRank) varia entre os compositores, assumindo cinco valores distintos (por exemplo, Tônica Maior I para Mozart; Supertônica II para Bach, Haydn, etc.). No entanto, essa identidade categórica não correlaciona com a distância KL marginal ($\rho = 0,13, p = 0,21$).
  • Correlação Contínua: O valor contínuo do PageRank do nó do centro de gravidade correlaciona-se com a distância KL marginal ($\rho = 0,61$, Spearman, $N=14$). Essa correlação é impulsionada quase inteiramente pela única característica do PageRank; outros descritores de rede (densidade, agrupamento) são quase uniformes no corpus.
  • Alavancagem: A correlação é sensível a compositores individuais; remover Mendelssohn reduz significativamente a correlação, indicando que o resultado é uma observação qualitativa de ordenação e não uma estimativa estatisticamente estável.

• Espectros de Rubato:

  • Inversão de Clichê: Contrariamente à interpretação escalar de que o baixo desvio padrão ($\sigma$) de Glenn Gould implica execução "metronômica", a análise espectral revela que Gould possui a maior razão de periodicidade (0,293) entre os três pianistas, significativamente maior que Schiff (0,204) e Richter (0,257).
  • Cor Temporal: O rubato de Gould é caracterizado como "pequeno em amplitude, mas estruturado no tempo", com um período dominante mediano de 66 batidas, comparado a 102 (Schiff) e 104 (Richter).
  • Análise Diacrônica: Em uma comparação das Variações Goldberg de Gould de 1955 versus 1981, a gravação de 1981 mostra uma redução significativa na amplitude do rubato ($\Delta\sigma = -2,39$ BPM), mas nenhuma mudança significativa na cor espectral (a mudança na razão de periodicidade é não significativa). A execução de 1981 é uma versão "mais silenciosa" do mesmo rubato estrutural, não uma reestruturada.
  • Robustez: A descoberta de que Gould detém a maioria das classificações "periódicas" sobrevive à análise de sensibilidade de limiar (17/17 execuções de perturbação).

Significado e Alegações
O artigo enquadra explicitamente o vega-mir como uma consolidação, não uma descoberta. As fundações matemáticas das nove métricas têm décadas de existência; a contribuição reside em fornecer uma "única API testada com padrões consistentes e um conjunto compartilhado de valores de referência".

Os autores afirmam que a biblioteca permite:

1. Reprodutibilidade: Ao oferecer uma suite de teste compartilhada e valores de referência, os resultados podem ser validados cruzadamente entre estudos.
2. Recuperação de Sinal: Os estudos de caso demonstram que descritores de teoria da informação além das estatísticas marginais (especificamente topologia de rede e cor espectral) recuperam sinais que resumos escalares descartam. Por exemplo, a média escalar do rubato obscurece a "cor temporal" da performance, enquanto a análise de rede revela que o "centro de gravidade" do fluxo harmônico é um descritor contínuo correlacionado com a divergência marginal, distinto de sua identidade categórica.
3. Acessibilidade: A biblioteca reduz a barreira de entrada para pesquisadores que necessitam de análises distribucionais sem reimplementar a matemática subjacente.

O artigo mantém modéstia em relação às alegações estatísticas, observando que as correlações de rede são observações qualitativas sujeitas a alta alavancagem de compositores individuais, e que quatro das nove métricas (Gini, estacionariedade, Higuchi, intervalos) são atualmente validadas apenas em pequenos conjuntos de dados e aguardam implantação empírica em escala de corpus completo em trabalhos futuros.