Genres musicaux classés à l'aide de l'entropie des fichiers MIDI

La communication est le processus de reproduction d'un message créé dans un espace ponctuel à un autre point de l'espace. Il a été étudié en profondeur par de nombreux scientifiques et ingénieurs mais c'est le traitement mathématique de la communication qui a eu l'influence la plus profonde.

Pour les mathématiciens, les détails d'un message n'ont aucune importance. Tout ce qui compte, c'est que le message puisse être considéré comme un ensemble ordonné de symboles. Les mathématiciens savent depuis longtemps que cet ensemble est régi par des lois fondamentales décrites pour la première fois par Claude Shannon dans sa théorie mathématique de la communication.

Les travaux de Shannon ont révolutionné la façon dont les ingénieurs envisagent la communication, mais ils ont également des conséquences considérables dans d'autres domaines. Le langage implique la transmission d'informations d'un individu à un autre et la théorie de l'information offre une fenêtre à travers laquelle étudier et comprendre sa nature. En informatique, les données sont transmises d'un endroit à un autre et la théorie de l'information fournit le fondement théorique qui permet de le faire le plus efficacement possible. Et en biologie, la reproduction peut être considérée comme la transmission d'informations génétiques d'une génération à l'autre.

La musique aussi peut être considérée comme la transmission d'informations d'un endroit à un autre, mais les scientifiques ont eu beaucoup moins de succès dans l'utilisation de la théorie de l'information pour caractériser la musique et étudier sa nature.

Aujourd'hui, cela change grâce au travail de Gerardo Febres et Klaus Jaffé à l'Université Simon Bolivar au Venezuela. Ces gars-là ont trouvé un moyen d'utiliser la théorie de l'information pour démêler la nature de certains types de musique et classer automatiquement différents genres musicaux, une tâche notoirement difficile en informatique.

L'une des raisons pour lesquelles la musique est si difficile à étudier est qu'elle ne se traduit pas facilement en un ensemble ordonné de symboles. La musique se compose souvent de plusieurs instruments jouant des notes différentes en même temps. Chacun d'eux peut avoir différentes qualités de timbre, de volume, etc.

Capturer tout cela dans un ensemble de symboles, ainsi que toute interprétation individuelle que le musicien ajoute, est une affaire délicate. Cela n'a pas empêché les chercheurs d'essayer, bien qu'avec un succès limité.

Febres et Jaffé abordent ce problème d'une manière remarquablement simple en utilisant une norme commune de numérisation de la musique appelée MIDI. Un fichier MIDI est une représentation numérique d'un morceau de musique qui peut être lu par une grande variété d'ordinateurs, de lecteurs de musique et d'instruments électroniques.

Chaque fichier contient des informations sur la hauteur et la vélocité d'un morceau de musique, son volume, son vibrato, etc. Cela permet à la musique créée à un endroit d'être reproduite avec précision à un autre endroit.

Mais un fichier MIDI lui-même est simplement une série ordonnée de 0 et de 1, ce qui a donné à Febres et Jaffé un moyen de l'analyser en utilisant la théorie de l'information standard. En effet, ils ont simplement ouvert chaque fichier au format .txt et lu la séquence résultante de symboles apparemment aléatoires.

La beauté de la théorie de l'information est que les outils développés pour compresser les messages envoyés vers Mars ou pour analyser les composants du langage peuvent être également appliqués à n'importe quel ensemble de symboles. Et c'est ce qu'ont fait Febres et Jaffé.

Ils ont commencé par compresser chaque ensemble de symboles dans le nombre minimum nécessaire pour générer la musique originale. Cet ensemble fondamental leur a ensuite permis de mesurer l'entropie ou le contenu informationnel associé à chaque morceau de musique.

Mais ils ont également étudié la façon dont cette entropie variait dans le temps. En effet, ils ont étudié comment cette entropie de second ordre variait dans 450 morceaux de 71 compositeurs et 15 périodes ou types de musique différents.

À leur grande surprise, ils ont découvert que la musique du même genre partageait des valeurs similaires pour cette entropie de second ordre. En même temps, ce type d'analyse montre comment les genres musicaux ont évolué dans le temps.

C'est un travail intéressant qui offre une nouvelle façon fascinante d'étudier la musique. Il y a quelques mises en garde, bien sûr. Alors que certains genres musicaux sont clairement identifiables de cette façon, d'autres styles apparemment différents se chevauchent.

Par exemple, la musique raga vénézuélienne et indienne occupe des régions uniques dans cet espace de paramètres. Divers compositeurs classiques occupent également des régions spécifiques et peuvent donc être potentiellement identifiés par cette méthode.

Mais en moyenne, la musique rock et la musique classique se chevauchent fortement, ce qui rend difficile leur identification automatique. Des travaux futurs pourront améliorer les choses, peut-être en augmentant la taille de la base de données par exemple.

Néanmoins, Febres et Jaffé ont fait des progrès significatifs en utilisant une technique qui devrait être largement applicable. Leur prochaine tâche, s'ils le souhaitent, est de trouver un moyen d'appliquer leur méthode, peut-être pour les systèmes de recommandations musicales, avant que quelqu'un d'autre n'intervienne.

Réf : arxiv.org/abs/1510.01806 : La musique vue par son contenu entropique : une nouvelle fenêtre d'analyse comparative

cacher