---
title: "Qué es el Music Information Retrieval (MIR)"
slug: que-es-music-information-retrieval
kind: essay
summary: "El campo bajo el que caen la transcripción automática, el reconocimiento de acordes y Shazam. Qué es el MIR y cómo encajan MIDI, MusicXML y AMT en él."
publishedAt: 2026-07-17
---
Cada vez que Shazam reconoce una canción en tres segundos, o un reproductor
separa la voz de la instrumental, o mi propio trabajo convierte una grabación
en partitura, está pasando lo mismo por debajo: **Music Information
Retrieval** (MIR). No es una herramienta ni un producto: es el campo de
investigación que hace posible todo eso.

## Qué es el MIR

El **Music Information Retrieval** es el campo de la informática que estudia
cómo extraer, organizar y recuperar información a partir de señales
musicales —ya sea audio grabado o partitura simbólica. La pregunta de fondo
es siempre la misma: dado un fragmento de música, ¿qué se puede saber de él
de forma automática?

Bajo esa pregunta caben tareas muy distintas:

| Tarea | Qué responde |
|---|---|
| Reconocimiento de acordes | Qué armonía suena en cada instante |
| Separación de fuentes | Aislar la voz de la guitarra en una mezcla |
| Identificación de tempo | A qué velocidad va la pieza |
| Clasificación de género | A qué estilo pertenece |
| Recuperación por huella acústica | Qué canción es esta (Shazam) |
| [Transcripción automática de música](/blog/que-es-amt) (AMT) | Qué notas se están tocando |

Una aclaración necesaria, porque en España la sigla genera confusión: **el
MIR del que hablo no es el MIR médico** (Médico Interno Residente). Es una
disciplina de la informática y las ciencias de la computación, con su propia
comunidad de investigación —la International Society for Music Information
Retrieval (ISMIR), fundada en 2000— y su propia conferencia anual, que es la
referencia del campo.

## Dónde encajan MIDI, MusicXML y AMT dentro del MIR

Si ya has leído los artículos anteriores de este blog sobre
[MIDI](/blog/que-es-midi), [MusicXML](/blog/que-es-musicxml) o
[transcripción automática](/blog/que-es-amt), probablemente los tratabas como
piezas sueltas. No lo son: son parte del mismo campo, con roles distintos.

**MIDI** y **MusicXML** son *formatos de salida*: cuando un sistema MIR
resuelve la tarea de transcripción, el resultado —notas, tiempos,
alturas— tiene que representarse de alguna forma legible por máquina y por
persona. MIDI lo hace pensado para reproducir o secuenciar; MusicXML, pensado
para imprimir una partitura editable. Ninguno de los dos hace MIR por sí
mismo: son el vocabulario en el que se expresa uno de sus resultados.

**AMT** (transcripción automática de música) es, dentro del MIR, la tarea
concreta que más me interesa: convertir audio en representación simbólica.
Es solo una de las tareas de la tabla de arriba, aunque es la que ocupa el
centro de mi investigación doctoral.

Y la [inteligencia artificial](/concepto/inteligencia-artificial) —de la que
ya hablé en [un artículo anterior](/blog/ia-como-herramienta-creativa)— es,
hoy, la técnica dominante para resolver la mayoría de estas tareas: redes
neuronales entrenadas con grandes corpus de audio anotado. Pero el MIR es más
antiguo que el auge de esas técnicas —ISMIR lleva desde el año 2000— y no
todas sus tareas dependen de aprendizaje profundo: el reconocimiento de
tempo, por ejemplo, se resuelve bien con métodos de procesamiento de señal
clásico, sin necesidad de un modelo entrenado.

## Mi investigación dentro del MIR

Mi trabajo doctoral se centra en transcripción automática de música
**polifónica**: piezas donde suenan varias notas —y a menudo varias
voces— a la vez, el caso difícil dentro de la AMT. Trabajo sobre piano, con
los sistemas actuales del estado del arte como punto de partida —Basic
Pitch, Onsets & Frames, MT3 entre ellos—, y mi foco es entender **dónde y
por qué fallan** esos sistemas nota a nota, no solo repetir su número final
de acierto. Un modelo que acierta el 90% de las notas puede estar fallando
siempre en el mismo tipo de pasaje —acordes densos, notas muy cortas,
pedal sostenido— y esa distinción importa más que la cifra global.

A partir de ahí exploro representaciones de la señal de audio alternativas a
las que usan esos modelos, buscando si una forma distinta de mirar el audio
—antes de que entre al modelo— ayuda a corregir alguno de esos fallos
sistemáticos. Es trabajo de investigación en curso: parte de las hipótesis
que pruebo se confirman, otras se descartan, y ambas cosas son resultado
válido en la forma en que documento este trabajo en abierto.

## Bibliografía

Las referencias en las que se apoya este artículo y por dónde seguir leyendo:

- Müller, M. (2015). [*Fundamentals of Music Processing: Audio, Analysis, Algorithms, Applications*](https://doi.org/10.1007/978-3-319-21945-5). Springer.
- International Society for Music Information Retrieval. [ismir.net](https://ismir.net) — conferencia anual del campo y *Transactions of the International Society for Music Information Retrieval* (TISMIR), su revista de acceso abierto.