La trascrizione musicale con l’IA parte da una registrazione e ne scrive le note in tre passaggi. Prima trasforma l’audio in un’immagine delle sue frequenze. Un modello addestrato su migliaia di registrazioni legge quell’immagine e individua le note. Il software le allinea poi alla pulsazione e le converte in uno spartito e in MIDI. Oggi funziona così bene perché una rete neurale svolge il passaggio centrale, il più difficile: ha imparato a riconoscere le note dagli esempi, anziché da un insieme di regole scritte a mano.
In poche parole
Chi trascrive a orecchio ascolta una nota, la cerca sullo strumento, ne capisce la durata e la scrive. Poi ripete il procedimento qualche migliaio di volte. L’IA fa lo stesso lavoro, molto più velocemente e su tutte le note insieme. Converte il suono in dati da analizzare, riconosce le note contenute in quei dati e le traduce nei simboli che leggiamo. È nel riconoscimento che interviene l’intelligenza artificiale, ed è lì che si sono concentrati i progressi degli ultimi anni.
Primo passaggio: il suono diventa un’immagine
Una registrazione digitale è una lunga lista di numeri che descrivono come deve muoversi il cono di un altoparlante, con decine di migliaia di valori al secondo. In quella lista non si vede una melodia. Il software applica quindi una trasformazione per ricavare un’informazione più utile: quanta energia c’è a ogni frequenza, in ogni istante. Il risultato è uno spettrogramma, una mappa in cui il tempo scorre da sinistra a destra e le frequenze salgono dal basso verso l’alto. Le zone più luminose indicano le altezze che stanno suonando.
È un’immagine che somiglia, a grandi linee, a quella di un piano roll, ed è molto più vicina alla musica della forma d’onda grezza. Una nota tenuta diventa una striscia orizzontale. Un accordo diventa una pila di strisce. Un colpo di batteria lascia una breve fascia verticale di energia distribuita su molte frequenze. Con questa immagine il passaggio successivo diventa più gestibile: il modello può leggere il suono come legge le immagini su cui è stato addestrato.
Secondo passaggio: il modello trova le note
Leggere le note da uno spettrogramma è più difficile di quanto sembri. Una singola nota di pianoforte non lascia una sola linea ben distinta: ha una frequenza fondamentale e una serie di armoniche sopra di essa. Quando suonano più note insieme, le loro armoniche si sovrappongono e si intrecciano. Il mi grave della chitarra ha alcune armoniche in comune con il mi un’ottava sopra. Il problema centrale della trascrizione è distinguere le zone luminose che corrispondono a note suonate da quelle che sono armoniche di altre note.
I sistemi moderni usano reti neurali addestrate su grandi raccolte di registrazioni abbinate alle note esatte che contengono. Per il pianoforte, strumenti che registrano sia l’audio sia la pressione precisa dei tasti hanno fornito migliaia di esecuzioni perfettamente allineate alle note suonate. La rete studia questi dati e impara a distinguere una nota suonata dalle sue armoniche, a riconoscerne l’attacco e a seguirne il decadimento. Di solito, per ogni altezza e per ogni intervallo di tempo, stima se una nota sta iniziando, se sta ancora suonando e con quale intensità. Da queste stime il software ricava una lista di eventi di nota, ciascuno con un’altezza, un inizio, una fine e una velocity.
Nessuno scrive a mano regole come “ignora la terza armonica”: il modello le ricava dagli esempi. Si può quindi usare lo stesso metodo per altri strumenti man mano che arrivano nuovi dati per l’addestramento, e i risultati continuano a migliorare senza che qualcuno debba riscrivere la logica. Nell’articolo su perché la precisione della trascrizione con l’IA varia approfondiamo i motivi per cui alcune registrazioni danno risultati più puliti di altre.
Terzo passaggio: le note diventano uno spartito leggibile
Una lista di eventi di nota con tempi precisi basta già a produrre un file MIDI e a visualizzare le note in un piano roll. Per uno spartito, però, gli istanti di inizio e fine non bastano. Servono un tempo, un metro e note ricondotte a valori ritmici riconoscibili. A 120 battiti al minuto, una persona non suona mai una semiminima che dura esattamente 500 millisecondi. Il software deve quindi trovare la pulsazione di fondo, decidere dove cadono le stanghette di misura e arrotondare la durata di ogni nota al valore sensato più vicino, come una semiminima o una croma. Questo passaggio si chiama quantizzazione: da questo passaggio dipende la differenza tra una trascrizione leggibile e una piena di biscrome impossibili da suonare.
Il software deve anche fare le scelte di notazione che chi suona si aspetta: assegnare le note alla mano destra o alla sinistra, scegliere come scrivere le alterazioni, collocare le pause. Il risultato è poi disponibile nei formati adatti ai diversi usi. La stessa trascrizione può diventare un PDF da stampare, un file MIDI per una DAW e un file MusicXML da aprire in un programma di notazione. Se un ritmo non è corretto o la divisione tra le mani non è corretta, puoi intervenire sulla notazione. Di solito, per correggere gli errori di trascrizione basta una modifica rapida, senza rifare tutto.
Dove riesce bene e dove incontra difficoltà
Il pianoforte solo è il caso in cui la trascrizione con l’IA riesce meglio. I dati per l’addestramento sono più abbondanti, il suono si presta all’analisi e i modelli migliori riconoscono la grande maggioranza delle note di una registrazione pulita. Oggi riescono bene anche a trascrivere un singolo strumento che suona accordi: si parla di trascrizione polifonica. Approfondiamo il caso del pianoforte nell’articolo sulla trascrizione polifonica per pianoforte.
Le difficoltà sono prevedibili. Un gruppo al completo registrato in un’unica traccia mixata è difficile da trascrivere, perché il modello deve separare più strumenti che occupano contemporaneamente le stesse zone di frequenza. Una forte distorsione, molto riverbero e una registrazione di bassa qualità rendono lo spettrogramma meno nitido e riducono la precisione. I passaggi molto veloci e le note molto deboli possono sfuggire. Il risultato può comunque essere utilizzabile, ma è realistico aspettarsi una buona prima stesura da controllare, anziché uno spartito finito che non richiede alcuna revisione. Nell’articolo sulla precisione della trascrizione musicale con l’IA indichiamo quanto sono precisi i risultati.
Come ottenere il risultato migliore
Tutti i passaggi dipendono dal primo, quindi la registrazione è l’elemento su cui puoi intervenire di più. Più è pulita e chiara, più l’immagine è nitida e più note il modello riconosce correttamente. Scegli la versione più chiara del brano che riesci a trovare. Indica al software di trascrizione quale strumento musicale suona nella registrazione, così usa il modello giusto. Poi controlla rapidamente la prima stesura.
Con Songscription carichi un file o incolli un link. L’IA esegue i tre passaggi descritti sopra e ottieni un piano roll e uno spartito che puoi ascoltare, rallentare, trasporre e modificare nel browser prima dell’esportazione. La tecnologia si occupa del lavoro di ascolto più impegnativo; l’ultima parola sulle correzioni resta a te.
Domande frequenti
Come funziona la trascrizione musicale con l’IA?
Ci sono tre passaggi principali. Prima il software trasforma l’audio in uno spettrogramma, un’immagine che mostra quali frequenze sono presenti in ogni momento. Poi una rete neurale, addestrata su migliaia di registrazioni abbinate alle note che contengono, legge l’immagine e stima quando iniziano le note, che altezza hanno e quando finiscono. Il software allinea quindi le note a una griglia ritmica e le converte in MIDI e notazione tradizionale. Il modello riconosce schemi che ha imparato dai dati, anziché seguire regole scritte a mano. Per questo i risultati sono migliorati tanto con l’arrivo di grandi raccolte di registrazioni allineate alle note e delle reti neurali moderne.
La trascrizione musicale con l’IA è precisa?
Oggi dà risultati molto buoni con una registrazione pulita di un solo strumento, soprattutto con il pianoforte solo: i modelli riconoscono abitualmente la grande maggioranza delle note. La precisione cala quando la registrazione è più difficile da interpretare. Un mix fitto con un gruppo al completo, una registrazione rumorosa fatta col telefono, molto riverbero o note veloci che si sovrappongono complicano il lavoro. Puoi aspettarti una buona prima stesura da controllare e correggere, non uno spartito perfetto che non richiede alcun intervento.
L’IA sa distinguere gli strumenti quando trascrive la musica?
I modelli riconoscono bene le note di un singolo strumento, anche quando un pianoforte o una chitarra suona accordi. Separare più strumenti che suonano insieme nello stesso mix è più difficile. La modalità di Songscription per più strumenti lo fa in un solo passaggio, anche se separare prima la registrazione in stem, cioè tracce audio separate, dà ancora le parti più pulite. Puoi anche ricavare una riduzione per pianoforte dell’intero mix, se ti interessa suonare il brano anziché avere ogni parte separata.
Per vedere i tre passaggi su un tuo brano, carica una registrazione e guarda come diventa un insieme di note che puoi leggere e modificare.
