Contenido exclusivo

Para poder leer el contenido tienes que estar registrado.
Regístrate y podrás acceder a 3 artículos gratis al mes.

Inicia sesión
Brian Martínez Rodríguez: matemáticas y computación para el compositor del siglo XXI.
Brian Martínez Rodríguez: matemáticas y computación para el compositor del siglo XXI.

Entrevista

¿Es posible predecir cuál será el próximo éxito musical?

El catedrático de Tecnología Musical e investigador Brian Martínez Rodríguez pone música a un algoritmo para estar más cerca de conseguirlo. La tecnología permea en todos los sectores artísticos. En la música lo hace como herramienta para componer, y también para entender: los datos bien analizados pueden servir para entrever si una canción es un plagio o si, limpiamente, puede alcanzar el podio de las listas de éxitos. 

25. 01. 2023

El arte es, afortunadamente, algo subjetivo. Sin embargo, hay situaciones en las que pueden subyacer motivos para buscarle miradas objetivas. Por ejemplo, querer comprobar si ha habido plagio en una composición o por interés comercial: ¿es posible predecir si una canción va a ser número uno? Teniendo en cuenta que se pueden publicar hasta 100.000 canciones diarias en las plataformas de streaming y que en TikTok los temas se hacen virales incluso antes de que se estrenen, como pasó con “Despechá”, de Rosalía, ¿qué productor musical o sello discográfico no querría tener esa información?

Pues estamos de suerte, porque la tecnología, las matemáticas y el big data han venido a inspirarnos. Brian Martínez Rodríguez (Valencia, 1981) es profesor del Máster en Investigación Musical de la Universidad Internacional de La Rioja (UNIR) e investigador del grupo TEIMUS, y está desarrollando junto a dos profesores de la Universidad de Valencia una herramienta matemática objetiva que podría ser útil en este tipo de procesos. Su algoritmo se llama “SpectroMap” y, de forma muy simplificada, la idea es transformar cada canción en un número para comparar similitudes entre temas. Las aplicaciones de la tecnología en la industria musical vienen sonando fuerte.

¿Qué nos puede decir el análisis de datos sobre las canciones?

Si analizamos directamente la partitura, tenemos herramientas computacionales y matemáticas que nos permiten extraer toda la información que queramos: ritmos, patrones, secuencias melódicas… Si es desde el archivo de audio, con la grabación ya sea en directo o en estudio, para analizar la información primero tenemos que realizar una transformada de Fourier (transformación matemática para pasar una señal al espacio de frecuencia) para trabajar directamente sobre el espectrograma. Para ello hay librerías en lenguaje Python que ya existen, como music21, desarrollada en el Instituto Tecnológico de Massachusetts (MIT), en Boston, para analizar archivos musicales en el ordenador.

La tecnología ha llegado a las aulas de enseñanza de música y a los estudios de composición. Imagen cortesía de Brian Martínez.
La tecnología ha llegado a las aulas de enseñanza de música y a los estudios de composición. Imagen cortesía de Brian Martínez.

En vuestro caso, el algoritmo que habéis desarrollado, SpectroMap, utiliza precisamente el espectrograma de audio para medir la similitud entre canciones. ¿Cómo funciona?

Lo que hacemos es pasar el fragmento o la canción que queremos analizar a ese espacio de frecuencias calculando el espectrograma. Esto nos da una gráfica en tres dimensiones para ver cómo evoluciona, la filtramos y limpiamos, y nos queda una especie de mapa. Esta figura bidimensional representa la evolución de las frecuencias más importantes a través del tiempo, es como la huella digital de la canción. Esta idea viene de los creadores de Shazam, que lo denominan “mapa de constelaciones”. Ese mapa sonoro lo transformamos en un valor numérico que podemos comparar. Sirve para la melodía, el ritmo, los acordes o cualquier parámetro musical que podamos representar en términos numéricos.

Entonces, una vez que tenemos esa huella digital y ese valor numérico, ¿podemos comparar dos canciones entre sí?

Estamos en un estado incipiente y queda mucho del algoritmo por desarrollar, pero nos hemos dado cuenta de que al analizar archivos de audio y comparar sus huellas digitales existen ciertas similitudes, y podemos ordenar las canciones por su valor numérico. Con este sistema, por ejemplo una canción de Adele en directo y una grabación en estudio se parecen, pero también una versión original y la de otros artistas que hacen covers. Nos ha servido para poder establecer un orden de comparación y determinar las influencias que hay entre artistas.

El proceso que sigue el análisis numérico de una canción, del espectrograma a su mapa sonoro. Gráficos cortesía de Brian Martínez.
El proceso que sigue el análisis numérico de una canción, del espectrograma a su mapa sonoro. Gráficos cortesía de Brian Martínez.

Aquí lo que viene a la cabeza es claramente una aplicación para detectar plagio entre canciones...

Sí, una vez que hemos conseguido comparar distintas versiones de un mismo tema, el paso siguiente es poder comparar canciones sospechosamente similares. Podemos aplicar el algoritmo y ver el valor numérico que nos ofrece. Si es muy parecido, habrá que determinar a partir de qué umbral sería un plagio en términos legales. Lo que no podemos determinar es si ha habido buena o mala fe, si es un homenaje o si es que el compositor está muy influenciado por la obra original. Además, el número de combinaciones musicales posibles interesantes es muy alto, pero no infinito: a veces se pueden dar concurrencias, que dos personas hagan lo mismo en zonas distintas del mundo y sea una coincidencia.

Con este tipo de métodos, ¿se podría, por ejemplo, entender la evolución de la música?

Tendríamos que definir una serie de características sobre el aspecto musical que queremos analizar. Por ejemplo, para ver cómo ha evolucionado la orquestación, determinaríamos variables para evaluar el número y tipo de instrumentos que se han usado, y después escribiríamos los algoritmos para poder extraer esta información automáticamente de la partitura o de la propia música. A partir de ahí podríamos comparar y entender la evolución.

Esto sería con música del pasado. ¿Puede hacerse a futuro para intentar predecir si una canción nueva va a tener éxito? Por ejemplo, si un artista le enseña su nuevo tema a un productor.

Podríamos hacer un estudio de mayor envergadura y ver si hay patrones rítmicos, armónicos, melódicos y en la letra, por ejemplo analizando la evolución de la lista de ‘Los 40 Principales’, los grandes éxitos a nivel mundial o el estilo de música que nos interese. Con el resultado numérico, podríamos ordenar ese ranking de hits por su similitud. Con el modelo, analizaríamos esa nueva canción y podríamos concluir qué porcentaje de similitud tiene con los grandes éxitos de los últimos diez años, un porcentaje en cuestiones rítmicas y otro en letras, y podríamos hacer una evaluación final de qué probabilidades tendría una canción de ser exitosa.

“Se tiende a la simplificación de elementos, tanto en letras como en ritmos y melodías. Antes, las canciones eran más parecidas a poemas. Ahora la tendencia es utilizar frases cortas, potentes, pegadizas, fáciles de recordar y que se repitan muchas veces en la canción, introduciendo algún tipo de cambio”
Brian Martínez Rodríguez

Una investigación de la Universidad de Cambridge ha averiguado que las letras negativas obtienen mejores resultados en las listas. ¿Qué tendencias se observan en las estructuras y aspectos musicales?

Los estudios apuntan a que se tiende a la simplificación de determinados elementos, tanto en letras como en ritmos y melodías. Antes, las canciones eran más parecidas a poemas, que es un poco el paradigma de la música clásica: coges un poema y lo musicalizas. Ahora la tendencia es utilizar frases cortas, potentes, pegadizas, fáciles de recordar y que se repitan muchas veces en la canción, introduciendo algún tipo de cambio.

¿Por qué sucede esto? ¿Tiene que ver con la democratización de la música?

Son mecanismos de percepción musical que tiene el cerebro. Los compositores los conocemos y jugamos con ello. Si una música tiene mucha repetición va a ser fácil, pegadiza y llamativa, sobre todo si se repite un elemento temático interesante, pero por el contrario puede llegar a ser aburrida. Si en el lado opuesto tenemos una música con mucha variedad, va a ser más difícil recordarla y entenderla, pero desde un punto de vista artístico o intelectual tendrá más valor por el trabajo de desarrollo temático y compositivo que lleva detrás. En ese balance nos tenemos que mover.

Aquí entendemos que tiene un papel crucial el omnipresente estribillo. A cuántos artistas hemos escuchado contar que sus productores se quejan de que esta parte llega demasiado tarde en la canción…

Claro, en la música pop-rock actual hay una tendencia a que el estribillo cada vez aparezca antes. Como cada vez tenemos menos paciencia y pasamos antes a la siguiente canción, necesitamos que la parte más memorable y potente llegue cuanto antes. Eso sí, si se va a repetir muchas veces necesitaremos un trabajo de producción musical que introduzca variaciones, aunque sean sutiles, para que la canción no sea aburrida.

La música y las matemáticas, un binomio indisoluble. Imagen cortesía de Brian Martínez.
La música y las matemáticas, un binomio indisoluble. Imagen cortesía de Brian Martínez.

También investigas en composición musical asistida por ordenador y composición electroacústica. ¿Puede la tecnología ayudar a componer?

Hay distintos paradigmas y quizá el menos interesante es el acercamiento que se está haciendo a crear una inteligencia artificial que componga por nosotros. Pero hay otras herramientas que nos pueden ayudar a trabajar. Por ejemplo, si quieres crear variaciones o ver qué tipo de armonías podría admitir una melodía, ya desde la década de 1960 hay programas y algoritmos que pueden generar de manera automatizada ideas y ritmos, por ejemplo para fugas, que es una composición muy algorítmica. Todo esto se hace en virtud de unas bases de datos con las que se nutren los modelos y programas.

“Las herramientas tecnológicas son totalmente necesarias para un compositor del siglo XXI. El futuro de la música, y el del arte en general, pasa por la tecnología”
Brian Martínez Rodríguez

Como catedrático de Tecnología Musical en el Conservatorio Superior de Música Massotti Littel de Murcia, estás cerca tanto de estudiantes como de veteranos. ¿Cómo está recibiendo el sector la “intromisión” de la tecnología?

Las nuevas tecnologías y la música están cada vez más relacionadas. Hay más artistas multimedia, más proyectos en los que se utiliza la tecnología, más interés por la fusión entre distintas artes… Y todo esto se realiza siempre con tecnología de por medio. La opinión generalizada, al menos en el círculo del conservatorio, es que las herramientas tecnológicas son totalmente necesarias para un compositor del siglo XXI. No solo el ordenador, sino lenguajes de programación musical, porque en el día a día va a trabajar en un equipo donde se van a usar estas herramientas.

Entonces, ¿cómo ves el futuro de la composición musical y la creación de canciones?

El futuro de la música, y el del arte en general, pasa por la tecnología. Si miramos en perspectiva desde el pasado y vemos la relación que ha tenido el arte con la sociedad en cada momento, a día de hoy la tecnología es lo que es transversal a todo. Todas las artes están conectadas con ella y la música no es una excepción. ∎

Compartir

Contenidos relacionados

2024: el reconocimiento a la trayectoria

ARTÍCULOS / Por Marta España → Rockdelux 399 (Diciembre 2024)

Peter Perrett, ni consumido ni acabado

ENTREVISTAS / Por Galo Abrain → 08.01.2025

TOP 2024: canciones nacionales

PLAYLISTS / Por Rockdelux → 20.12.2024

TOP 2024: canciones internacionales

PLAYLISTS / Por Rockdelux → 19.12.2024