¿Pue separase'l roncón de la gaita nuna grabación de campu?

En abril de 1976, Celso Peyroux grabó en casete a Juan Huerta, gaiteru de La Torre (Teverga), tocando la gaita asturiana. La cinta ta anguaño nel Archivu Sonoru del propiu Celso, y la ficha del catálogu descríbelu asina: “ún de los grandes gaiteros que tuvo Teverga xunto a Xulio de Fresnedo y Floro Regina. Tocaben pa baillar a lo agarrao.” Casi cincuenta años dempués, pasé-y un fragmentu d’esa grabación a un algoritmu pa intentar responder una entruga mui concreta: ¿pue un programa separar, automáticamente, el roncón (el bordón continuu) de la melodía del punteru, les dos voces que suenen al empar nuna gaita? Y si lo llogra, ¿ayuda eso a entender meyor la música?

La ferramienta qu’uso pa esto llámase Music Information Retrieval (MIR): la rama de la informática que-y enseña a un ordenador a “escuchar” audiu y estrayer información d’él —cuándo entama cada nota, qué altor tien, qué tan fuerte suena—. Nun ye maxa nin intelixencia artificial nel sentíu de “entiende la música”: son algoritmos que miden patrones na onda de soníu.

Esti esperimentu nun ye un retratu musical de Juan Huerta nin una pieza d’etnomusicoloxía — esa mirada humana a la so figura cuéntola en tever.es, en Gaiteros de la Tradición #4. Equí quédome nel terrén técnicu, pero cuntáu pa quien enxamás viera un espectrograma na vida.

Por qué’l roncón ye’l problema de fondu

Cuando suena una gaita asturiana, en realidá tas oyendo dos instrumentos amestaos nun únicu soníu, ensin manera de separalos a simple oyíu: el roncón (o bordón), un tubu que produz una única nota fixa y continua tola pieza —como un zumbíu grave de fondu que nun para enxamás—, y el punteru, el tubu con furacos que toca la melodía per enriba. Piensa nel roncón como’l baxu d’un grupu de música que nunca dexa de tocar la mesma nota: nin siquier hai un silenciu curtiu nel que “se-y pueda oyer solu” pa deprender cómo sona aislláu. Ta siempre ehí, amestáu, tol tiempu.

Eso ye un problema pa cualquier algoritmu. Si quies que un programa analice solo la melodía —solo’l punteru—, primero tendría que quitar de xeres esi zumbíu constante del roncón. Y como nunca hai un hueco de silenciu del que deprender “esto ye namás ruíu de fondu”, l’algoritmu tienlo difícil dende l’entamu.

Esti artículu cunta l’esperimentu en cinco pasos:

1. Repaso qué tan bona ye la grabación en sí.
2. Llocalizo’l roncón dientro del soníu.
3. Analizo la pieza completa tal como llega.
4. Intento separar el roncón de la melodía.
5. Comparo si esa separación ameyoró daqué o non.

Enantes d’entrar nel detalle técnicu, esto ye lo qu’analizamos: 19 segundos d’esa cinta de 1976, tal como sona, ensin llimpiar. En concreto, ye’l floréu d’entamu —el floréu col que s’entama— d’un entemediu de misa: una pieza curtia que se toca nos momentos de descansu de la misa.

0:00 / 0:19

Qué calidá tien la grabación

Ye una cinta de campu grabada en casete en 1976, non una toma d’estudiu, y eso nótase nel propiu audiu de forma mesurable. Pa velo uso un espectrograma: una imaxe qu’amuesa qué frecuencies (graves, agudes) suenen en cada instante, como una especie de “radiografía” del soníu a lo llargo del tiempu. Nesa imaxe apaez un ruíu de fondu mui típicu d’aparatos llétricos antiguos —el zumbíu de la corriente— a 49.80 Hz, con un ecu más agudu a 150.7 Hz que ye casi exactamente’l triple d’esa frecuencia (150.7 dixebráu ente 49.80 da 3.03, práuticamente 3). Eso encaxa con ruíu llétricu de la rede, non con nada musical: dambos tonos suenen con una estabilidá casi perfeuta —apenes varien nada d’un instante a otru—, y esa quietú absoluta ye xustamente la firma d’un zumbíu de fondu, non d’una nota tocada por una persona.

Sobre lo fuerte o floxo que sona la grabación: mido esto con RMS, una forma estándar de calcular “qué tan fuerte sona de media” una señal (a diferencia del picu más altu puntual, el RMS resume’l volume sostenío). En decibelios (dB, la unidá cola que medimos volume: cuantos más dB, más fuerte) esa media fluctúa 15.2 dB ente los momentos más floxos y los más fuertes de la pieza completa. Equí fai falta una aclaración honesta: nuna grabación de gaita asturiana nun hai dengún momentu de silenciu real que midir, porque’l roncón sona tol tiempu — asina que nun puedo comparar “señal contra silenciu” pa calcular qué tan llimpia ta la grabación, como sí podría facer con una voz o un pianu, que sí callen ente frases. Por eso mido nel so llugar cuánto xube y baxa’l volume de la mestura completa: ye la métrica que sí tien sentíu cuando’l “fondu” nunca dexa de sonar.

Ónde vive’l roncón dientro del soníu

Enantes d’intentar separalu, necesitaba confirmar exactamente en qué frecuencia vive’l roncón. Pa nun confundilu col zumbíu de rede del apartáu anterior —una trampa real, porque los sos harmónicos caen cerca de la banda del roncón—, relocalicé esi zumbíu con precisión (49.80 Hz) y dixebré’l fragmentu en 18 ventanes d’un segundu, mirando en cada una cuála yera la frecuencia más fuerte y descartando cualquier candidatu abonda cerca de los harmónicos del zumbíu. La fundamental real del roncón ye la frecuencia que más vegaes se repite como ganadora ente eses 18 ventanes.

El resultáu: 132.0 Hz, nota C3, con 12 de les 18 ventanes votando por esi valor como fundamental — un resultáu dominante y consistente. Pa medir cuánto s’alloña esa afinación de la “oficial”, los músicos usen los cents: cada semitonu dixébrase en 100 partes iguales, asina que una nota a +15.6 cents ta apenes a una sesta parte de semitonu per enriba de lo estándar —una diferencia tan pequeña que casi dengún oyíu la nota—. Respeuto al C3 estándar d’una afinación en A440, son +15.6 cents: práuticamente afinación estándar, llixeramente alta. Esa frecuencia apaez de forma prominente nel 55.4% de les ventanes analizaes. Per enriba de la fundamental, el roncón tamién xenera harmónicos: ecos más agudos a múltiplos exactos de la frecuencia base. Esos harmónicos varien más n’intensidá porque se amiesturen acústicamente cola melodía del punteru que sona per enriba — solo la nota fundamental del roncón mantiénse con esa estabilidá carauterística d’un bordón.

Que’l roncón sone en Do nun ye casualidá nin una escoyeta llibre del instrumentu: ye l’acompañamientu harmónicu que lleva la gaita cuando toca sola o solo con tambor, y por eso la so nota ye siempre la tónica del punteru —la nota de reposu, sobre la que resuelve la melodía— pero dos octaves per debaxo del Do grave (C5) que toca’l propiu punteru. Medir 132 Hz y comprobar que ye C3 nun ye solo un datu d’afinación: ye la confirmación de que esta gaita ta, en efeutu, afinada en Do.

La pieza tal cual: roncón y melodía amestaos

Enantes de tocar nada del audiu, analicé la grabación completa tal como llegó, con dos ferramientes distintes.

La primera busca onsets: l’instante exactu nel que entama cada nota, l‘“ataque” del soníu. Ye lo primero que necesita cualquier sistema que quiera trescribir una pieza a partitura: saber cuándo pasa daqué. Sobre los 19 segundos d’esta grabación, l’algoritmu deteuta 127 onsets — casi 7 notes nueves per segundu, un ritmu densu, típicu de la gaita asturiana.

La segunda xera ye’l siguimientu d’altor (pitch-tracking): deprender, instante a instante, qué nota exacta ta tocándose. Uso pa esto un métodu llamáu pYIN: un algoritmu que, en cada fraición de segundu, calcula la frecuencia más probable que sona y con cuánta confianza lo afirma —nun adivina, mide—, llimitáu al rangu de notes real que pue tocar un punteru de gaita asturiana. El resultáu: consigue deteutar un altor claru nel 92.7% de los instantes analizaos — práuticamente en tol fragmentu, solo falla en 1 de cada 13 instantes aproximao.

¿Qué tien que ver esa llinia cola pieza real? Nes mios clases enseño’l floréu d’entamu con un esquema de tres partes —entamu, cuerpu y remate—, cada una coles sos notes de referencia:

Contrastando la llinia de f0 contra esti esquema, lo que l’algoritmu deteuta encaxa coles tres partes, aunque nel entamu la forma real ye más contenida que la del esquema “de llibru”:

• El picu del cuerpu coincide con precisión. La frecuencia más aguda de tol fragmentu —1437.8 Hz, nota F6— apaez nel segundu 10.08, xusto en metá del cuerpu. Ye exactamente la nota que l’esquema marca como clímax: el Fa Requintu.
• El remate tamién encaxa. Nos caberos tres segundos, Do (C5) ye, con diferencia, la nota que más apaez: 167 d’unos 238 instantes analizaos. L’esquema zarra la pieza en Do, y eso ye xustamente lo que mide l’algoritmu.
• L’entamu encaxa, pero con una xubida más curtia que la del esquema. La llinia real xube hasta A4 (La) —non hasta un Do agudu, como fairíen floreos más espansivos, al estilu de José Remis Ovalle (ún de los maestros que creó escuela n’Asturies, con una forma de florear tan reconocible que munchos gaiteros la imitaron)— y dende ehí baxa yá hasta asitiase en Do (C5) a partir del segundu 5.3. Ye la mesma forma de fondu que dibuxa l’esquema —xubir y volver a Do—, pero con un saltu más curtiu: un recursu d’estilu propio, non un fallu del esquema nin del algoritmu.

Esi matiz nel entamu ye, de fechu, la parte más interesante del contraste: l’esquema da la forma xeneral de la frase —ónde xube, ónde baxa, ónde remata—, pero nun fixa l’amplitú exacta de cada floréu, que varia según quién toque y cómo. Comparar l’análisis automáticu contra la forma “de llibru” d’una pieza ye una manera real de ver, nota a nota, cómo una interpretación concreta se mueve dientro d’esa forma.

Estos tres resultaos son la llinia de partida: lo que da l’análisis ensin tocar nada del audiu. La entruga siguiente ye si quitar el roncón enantes d’analizar ameyora esto.

¿Pue separase’l roncón de la interpretación?

Pa intentar quitar el roncón de xeres, probé la téunica estándar que s’usa nestos casos: HPSS (Harmonic-Percussive Source Separation, separación harmónico-percusiva). Imaxínala como un cedazu —una peñera con una malla que dexa pasar unes coses y retién otres— que cuela’l soníu en dos bandexes: nuna caen los soníos “de golpe” —percusivos, como un bombu o un chasquíu, que entamen de sópitu y s’apaguen rápido— y na otra caen los soníos “sosteníos” —harmónicos, como una nota de pianu o de violín mantenida nel tiempu—. El roncón ye, por definición, un soníu sostenío puru: nun ataca de golpe, sona siempre igual. L’apuesta yera razonable: si’l cedazu separa bien lo sostenío de lo percusivo, el roncón tendría de cayer entero nuna de les dos bandexes, dexando l’otra más llimpia.

El resultáu ye que el cedazu nun funciona equí, y val la pena esplicar por qué. HPSS foi pensáu pa casos como separar un pianu d’una batería: ehí sí hai una llende real ente “sona de golpe” y “sona sostenío”. Pero na gaita asturiana, tanto’l roncón como la melodía del punteru son soníos sosteníos — dengún de los dos ye percusivu, dengún “ataca de golpe” y s’apaga. Pal cedazu, roncón y melodía son la mesma clase de granu: los dos caen na mesma bandexa, ensin que haya manera de dixebralos per esa vía.

Les cifres confírmenlo. Midiendo otra vuelta con RMS —el mesmu “cuánto sona de media” del apartáu anterior—, la bandexa “sostenida” quédase col 92.5% de la enerxía total del soníu — el roncón vase ehí casi enteru, arrastrando con él bona parte de la melodía. La bandexa “de golpe” apenes retién el 19.0%. Y si miro específicamente cuánta enerxía del roncón queda en cada bandexa, la diferencia sigue siendo enorme: na bandexa sostenida hai 77 vegaes más enerxía del roncón que na bandexa percusiva — cola banda de frecuencia correuta (132 Hz, yá ensin contaminación del zumbíu de rede), en vez de la banda inflada de la versión anterior. A primeres podría paecer una separación llimpísima del roncón — pero nun lo ye: lo que de verdá pasó foi que’l cedazu empuxó casi too lo sostenío, roncón y melodía xuntos, al mesmu llau.

Como comparanza más cenciella, probé tamién un filtru notch: en vez d’un cedazu que clasifica, ye un bisturín que corta quirúrxicamente una única frecuencia exacta —nesti casu, los 132 Hz del roncón— y dexa too lo demás intacto. El resultáu d’esta comparanza ta nel siguiente apartáu.

Lo que esti resultáu diz en realidá

Esto nun ye solo “la téunica falló” — ye un hallazgu sobre qué significa “separar el roncón” nesti instrumentu en concretu. El cedazu de HPSS nun pue dixebrar “roncón sostenío” de “nota del punteru sostenida”, porque dambos son, pa él, exactamente’l mesmu tipu de soníu. El resultáu del siguiente apartáu —el siguimientu d’altor emporiécase muncho, los onsets casi nun camuden— confirma que separar por “sostenío frente a de golpe” ye la ferramienta equivocada pa esti casu, non que seya imposible separar roncón y melodía con cualquier téunica. Ye un datu real y útil: esplica con precisión por qué la gaita asturiana —un bordón continuu y una melodía, dambos sosteníos, sonando al empar— ye un casu xenuinamente difícil pa esti tipu d’análisis automáticu, más allá de “ye una grabación vieya y con ruíu”.

L’análisis dempués de separar

Cola bandexa “de golpe” de HPSS —el resultáu que, en teoría, tendría de paecese más a “solo la melodía”— repetí los dos análisis d’enantes. El siguimientu d’altor esborróñase: de deteutar nota nel 92.7% de los instantes pasa a solo’l 26.7% — práuticamente 1 de cada 4 instantes, cuando enantes acertaba casi too. Ye una perda enorme d’información útil. Los onsets, en cambiu, apenes se mueven: 129 frente a los 127 de la señal completa, una diferencia tan pequeña que nun conta como ameyora real.

El filtru notch —el bisturín quirúrxicu que solo corta la nota exacta del roncón— compórtase xustamente como sedría d’esperar d’una intervención muncho más precisa y menos agresiva: el siguimientu d’altor quédase práuticamente igual, nel 92.7%, el mesmu valor que cola señal completa. Camuda tan poco porque solo elimina la frecuencia exacta del roncón, dexando intactos los sos ecos harmónicos — que, por desgracia, caen xusto nel mesmu rangu de frecuencies au se mueve la melodía del punteru, asina que tampoco ayuden muncho a llimpiala — y los onsets quédense exactamente igual, en 127.

Conclusiónes

La entruga que motivó esti esperimentu yera direuta: ¿ayuda esti preprocesáu a analizar meyor la gaita asturiana? La respuesta verificada ye non. Los ataques de nota casi nun camuden (127 frente a 129, práuticamente lo mesmo) y el siguimientu de la melodía emporiécase muncho (del 92.7% al 26.7% d’instantes con nota deteutada). El cedazu de HPSS nun consigue aisllar el punteru: nun separa bien el roncón, y de pasu llévase per delantre bona parte de la propia melodía.

Lo que sí se pue afirmar con esto: la dificultá d’analizar la gaita asturiana con estes ferramientes nun ye solo cuestión de “ye una grabación vieya”. Ye daqué propio del instrumentu — un bordón continuu y una melodía sonando al empar, los dos sosteníos, ensin dengún “de golpe frente a sostenío” que un cedazu como HPSS pueda usar pa dixebralos. Separar dambos de forma efeutiva esixiría, probablemente, una téunica distinta — pero nun probé denguna, y prefiero dexalo como entruga abierta en vez de prometer una solución que nun verifiqué.

Tol análisis —espectrogrames, HPSS, pYIN, onsets, les cifres exactes d’esti artículu— ta nel notebook qu’executé pa escribilu, colos outputs yá calculaos. Descárgalu xunto col propiu fragmentu d’audiu y repite l’esperimentu tu mesmu, nota per nota.

Notebook del análisis (Jupyter)

Python + librosa. Inclúi'l cálculu de les cifres d'esti artículu y les figures yá executaes.

Descargar .ipynb Descargar audiu (.wav, 19s)

Bibliografía

• McFee, B., Raffel, C., Liang, D., Ellis, D. P. W., McVicar, M., Battenberg, E., & Nieto, O. (2015). librosa: Audio and Music Signal Analysis in Python. Proceedings of the 14th Python in Science Conference, 18–24.
• Documentación oficial de librosa — orixe de onset_detect, pyin y effects.hpss, usaos nesti análisis.
• Mauch, M., & Dixon, S. (2014). pYIN: A fundamental frequency estimator using probabilistic threshold distributions. 2014 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 659–663.
• Archivu Sonoru de Celso Peyroux, Uviéu — casete n.º 1, abril de 1976, intérprete Juan Huerta (La Torre, Teverga). Fonte primaria de la grabación analizada.
• Fotografía de cabecera: archivu familiar de Juan Huerta, cedida pa la investigación de Tever Díaz García sobre los músicos populares de Proaza y Teverga.
• Toles cifres d’esti artículu reprodúxense de forma independiente executando’l notebook dos vegaes, con resultaos idénticos.