Forma parte de nuestra guía de términos de notación musical.
Una melodía cantada va nota por nota, y hace años que el software puede seguirla. El piano es otra historia. Toca cinco, seis, ocho notas a la vez, con una mano que sostiene un acorde mientras la otra lleva una línea por dentro, y todo suena junto en una sola masa de sonido. Enseñarle a una computadora a separar eso en notas escritas es el problema de fondo de la transcripción musical, y el piano es la vara con la que se mide cualquier sistema de transcripción.
Para entender en palabras sencillas cómo funciona de verdad la transcripción polifónica de piano, hay que ver por qué las notas simultáneas cuestan tanto, cómo lee un acorde un modelo actual y por qué una grabación limpia de piano te da el mejor resultado.
Qué significa transcripción polifónica
Polifónico quiere decir «de muchas voces». La transcripción polifónica consiste en tomar un audio en el que suenan varias notas al mismo tiempo y escribirlas todas. Lo contrario es la transcripción monofónica, una sola línea de una nota por vez, que es mucho más fácil porque nunca hay duda de cuántas notas suenan. Nuestra explicación sobre transcripción monofónica y polifónica cuenta esa diferencia en detalle. La música para piano es polifonía en su máxima expresión, con acordes densos, líneas que se superponen y un pedal de resonancia que deja que todo se mezcle.
Por qué cuestan tanto las notas simultáneas
Una nota musical no es una sola frecuencia. Es una fundamental con una pila de armónicos encima, la serie armónica, y esa pila es la que le da su color a la nota. Si tocas una sola nota, el sistema puede encontrar la fundamental y leer la altura. Si tocas varias a la vez, sus pilas de armónicos caen unas sobre otras, y ahí empiezan los problemas.
- Armónicos compartidos. Las notas separadas por una quinta o una octava comparten muchos armónicos, así que las señales de una nota se parecen a las de otra.
- El problema de la octava. Una nota y la que está una octava más arriba comparten casi todos sus armónicos, y por eso las octavas fantasma o fuera de lugar son el error polifónico clásico.
- Contar las notas. Antes de nombrar alturas, el sistema tiene que decidir cuántas notas están sonando, y una voz interna suave puede quedar tapada por una exterior más fuerte.
- Ataques borrosos. Saber exactamente cuándo empieza cada nota se complica cuando varias arrancan casi en el mismo instante y el pedal deja sonar las anteriores.
Cómo lee un acorde la IA
Los sistemas actuales tratan la transcripción como un problema de aprendizaje y no como un conjunto de reglas escritas a mano. Una red neuronal se entrena con muchísimo audio acompañado de las notas que suenan en él, y así aprende cómo suena de verdad un piano, cómo se comportan sus armónicos, en qué se diferencian las notas fuertes de las suaves y cómo se apaga una nota después del golpe. Para leer una grabación, el modelo divide el audio en fragmentos muy breves y, en cada uno, estima qué alturas están sonando y dónde empiezan las notas. Después une esas estimaciones en notas separadas, cada una con su inicio, su altura y su duración, y las ordena en una partitura. Como el modelo escuchó tanto piano real, puede apoyarse en el contexto musical (lo que vino antes, lo que suele ir junto) para resolver las ambigüedades en las que se pierde un análisis de frecuencias simple. Se parece más a cómo oye un acorde un músico con el oído entrenado que a una calculadora que lee frecuencias.
Por qué el piano es la referencia
El piano es el instrumento en el que más se ha trabajado en la transcripción automática, y hay buenos motivos. Es el instrumento común con la polifonía más densa, sus notas tienen un ataque claro y constante y una caída predecible, y hay muchísimos datos de los que aprender. Por esa combinación, la transcripción de piano es la más madura, y el de piano también es el modelo más desarrollado de Songscription. Una grabación limpia de piano, sin otros instrumentos, da un resultado cercano a lo que escribiría un transcriptor humano con experiencia, incluidas las voces internas que quien escucha no logra distinguir de oído. Nuestras guías para transcribir música de piano con IA y transcribir acordes de piano de jazz muestran esa madurez con música real.
Qué afecta a la precisión y cómo puedes ayudar
Lo que más pesa es la grabación. Un piano limpio, aislado y bastante seco le da al modelo la información más clara, mientras que mucha reverberación y mucho pedal de resonancia mezclan las armonías y causan la mayoría de los errores que vas a ver. Si tocaste la pieza en un piano digital, grabar el MIDI directamente te da datos de notas perfectos y te ahorra por completo el problema del audio. Después de transcribir, el piano roll es el mejor lugar para revisar las partes densas, porque cada nota es un bloque aparte y un error de octava o una nota de más salta a la vista y se arrastra a su lugar sin esfuerzo. Puedes ver esa cuadrícula en nuestra guía para convertir audio en piano roll, y nuestra explicación sobre por qué varía la precisión de la transcripción con IA repasa el resto de los factores. Si te interesa el caso más amplio, con varios instrumentos distintos sonando a la vez, lee ¿puede la IA transcribir varios instrumentos a la vez?. Para probarlo con lo que tocas, empieza por la transcripción de piano.
Preguntas frecuentes
¿Qué es la transcripción polifónica de piano?
La transcripción polifónica de piano consiste en tomar una grabación en la que suenan muchas notas al mismo tiempo, como los acordes y las líneas superpuestas que toca un piano, y escribirlas todas en una partitura. Lo de «polifónica» quiere decir varias alturas a la vez, a diferencia de la transcripción monofónica, donde suena una sola nota por vez. Es más difícil que transcribir una melodía sola porque las notas comparten el mismo instante y sus armónicos se superponen, así que el sistema tiene que decidir cuántas notas hay y cuáles son.
¿Por qué es más difícil transcribir acordes que una melodía sola?
En una melodía sola suena una altura por vez, y el sistema solo tiene que seguir una frecuencia fundamental mientras se mueve. Un acorde apila varias notas cuyos armónicos se superponen y se refuerzan entre sí, de modo que las señales de una nota pueden parecerse a las de otra. El sistema tiene que contar cuántas notas suenan y desenredar qué armónico pertenece a cada altura, todo en el mismo instante. Por eso la polifonía es la parte difícil de la transcripción.
¿Qué causa los errores de octava en una transcripción?
Los errores de octava aparecen porque una nota y la que está una octava más arriba comparten la mayoría de sus armónicos. La serie de armónicos de un do grave coincide casi por completo con la del do de arriba, así que un sistema puede poner una nota una octava más alta o más baja, o agregar una octava fantasma que nadie tocó. Los modelos actuales cometen menos errores de este tipo porque aprenden el timbre del instrumento y el contexto musical, pero las octavas siguen estando entre lo primero que conviene mirar y corregir en una transcripción polifónica.
¿Cómo consigo la transcripción polifónica más precisa?
Dale al modelo la grabación de piano más limpia y aislada que puedas. Con una toma clara de piano, poca reverberación y ningún otro instrumento encima, el modelo lee bien las voces internas. El exceso de pedal de resonancia mezcla las armonías y es la causa de error más común, así que una grabación más seca ayuda. Si tocaste la pieza en un piano digital, grabar el MIDI directamente te da datos de notas perfectos y te ahorra por completo el problema del audio. Después de transcribir, revisa los acordes densos en el piano roll, donde los errores de octava y las notas de más se ven enseguida y se corrigen fácil.
