Corpus musical

Un corpus musical es una colección de material sonoro o simbólico organizada y documentada para la investigación. No basta con reunir grabaciones: lo que hace valioso a un corpus es la calidad de sus anotaciones —las etiquetas de referencia que indican qué notas suenan, cuándo, con qué instrumento, a qué tempo—. Esas anotaciones son el ground truth contra el que se evalúan los modelos: sin ellas no es posible medir si un sistema de AMT funciona bien o mal.

Los corpus más utilizados en MIR se construyeron sobre instrumentos de amplia difusión en la música occidental: piano (MAPS, MAESTRO), guitarra (GuitarSet), voz (MIR-1K) o mezclas multitímbricas (MedleyDB, RWC). Mi investigación doctoral usa MAESTRO como corpus de trabajo: piano polifónico, con anotaciones nota a nota de alta calidad, lo que permite evaluar con precisión dónde y por qué fallan los sistemas del estado del arte.

Esta elección de corpus no es neutral: los modelos entrenados sobre piano generalizan mal a instrumentos con características acústicas distintas —afinación no temperada, timbre inusual, comportamiento polifónico diferente—. La gaita asturiana, por ejemplo, está prácticamente ausente de los corpus públicos existentes, con una afinación que no corresponde al temperamento igual estándar y con la particularidad de que el bordón (roncón) suena siempre simultáneamente al punteiro. Ningún corpus de piano o guitarra serviría directamente para entrenar un modelo de AMT adaptado a ese instrumento.