Faz parte do nosso guia de termos de notação musical.
Uma melodia cantada é uma nota por vez, e faz anos que software consegue acompanhar isso. O piano é outra história. Ele toca cinco, seis, oito notas ao mesmo tempo, com uma mão segurando um acorde enquanto a outra passeia com uma linha por dentro dele, e tudo soa junto numa massa só de som. Ensinar um computador a separar isso em notas escritas é o problema central da transcrição musical, e é no piano que a área mede o próprio avanço.
Na prática, tudo gira em torno de três coisas: o que torna as notas simultâneas tão difíceis, como um modelo moderno lê um acorde e por que uma gravação limpa de piano dá o melhor resultado.
O que é transcrição polifônica
Polifônico quer dizer muitas vozes. Transcrição polifônica é pegar um áudio em que várias notas soam ao mesmo tempo e escrever cada uma delas. O oposto é a transcrição monofônica, uma linha só, com uma nota por vez, que é bem mais fácil porque nunca há dúvida sobre quantas notas estão soando. Nosso texto sobre transcrição monofônica e polifônica trata dessa diferença. A música de piano leva a polifonia ao extremo: acordes densos, linhas que se sobrepõem e um pedal de sustentação que deixa tudo se misturar.
Por que notas simultâneas são tão difíceis
Uma nota musical não é uma frequência só. É uma fundamental mais uma pilha de harmônicos, a série harmônica, e é essa pilha que dá cor à nota. Quando você toca uma nota, o sistema consegue achar a fundamental e ler a altura. Quando toca várias ao mesmo tempo, as pilhas de harmônicos caem umas em cima das outras, e o sistema começa a se confundir.
- Harmônicos em comum. Notas a uma quinta ou a uma oitava de distância dividem muitos harmônicos, então o indício de uma nota parece o de outra.
- O problema da oitava. Uma nota e a nota uma oitava acima dividem quase todos os harmônicos. Por isso oitavas fantasmas ou fora do lugar são o erro clássico da polifonia.
- Contar as notas. Antes de dar nome às alturas, o sistema precisa decidir quantas notas estão soando de fato, e uma voz interna tocada de leve pode se esconder embaixo de uma voz externa mais forte.
- Ataques embolados. Saber exatamente quando cada nota começa fica difícil quando várias entram quase no mesmo instante e o pedal deixa as notas anteriores soando.
Como a IA lê um acorde
Os sistemas modernos tratam isso como um problema de aprendizado, e não como um livro de regras montado à mão. Uma rede neural é treinada com muito áudio acompanhado das notas reais e assim aprende o timbre de verdade do piano: como os harmônicos se comportam, como uma nota forte difere de uma fraca, como uma nota tocada vai morrendo. Para ler uma gravação, o modelo corta o áudio em muitos pedaços curtos e, em cada pedaço, estima quais alturas estão ativas e onde as notas começam. Depois ele costura essas estimativas em notas separadas, cada uma com início, altura e duração, e monta a partitura. Como já ouviu muito piano de verdade, o modelo usa o contexto musical, por exemplo o que veio antes e o que costuma aparecer junto, para resolver as ambiguidades que derrubam uma análise ingênua de frequência. O processo lembra mais o jeito como um músico com ouvido treinado escuta um acorde do que uma calculadora lendo frequências.
Por que o piano é a referência
O piano é o instrumento em que a área toda mais insistiu, e com razão. É a polifonia comum mais densa, as notas dele têm um ataque claro e regular e um decaimento previsível, e há muitos dados para o modelo aprender. Por isso o piano é o instrumento em que a transcrição está mais madura, e o piano também é onde o Songscription tem o modelo mais desenvolvido. Uma gravação limpa de piano solo dá um resultado próximo do que um transcritor humano experiente escreveria, incluindo as vozes internas que são difíceis de distinguir só de ouvido. Nossos guias sobre transcrever música de piano com IA e transcrever acordes de piano no jazz mostram isso em músicas de verdade.
O que afeta a precisão e como ajudar
A gravação é o que mais pesa. Um piano solo limpo, isolado e razoavelmente seco dá ao modelo os indícios mais claros. Muito reverb e muito pedal de sustentação embolam as harmonias e causam a maior parte dos erros que você vai ver. Se você tocou a música num piano digital, gravar o MIDI direto dá os dados exatos das notas e pula de vez o problema do áudio.
Depois de transcrever, o piano roll é o melhor lugar para conferir os trechos densos. Ali cada nota é um bloco separado, então um erro de oitava ou uma nota a mais salta aos olhos e é fácil de arrastar para o lugar certo. Essa visualização aparece no nosso guia sobre transformar áudio em piano roll, e o texto sobre por que a precisão da transcrição com IA varia trata dos outros fatores. Para a questão mais ampla de vários instrumentos diferentes ao mesmo tempo, veja a IA consegue transcrever vários instrumentos ao mesmo tempo?. Para testar com o que você toca, comece pela transcrição de piano.
Perguntas frequentes
O que é transcrição polifônica de piano?
É pegar uma gravação em que muitas notas soam ao mesmo tempo, os acordes e as linhas sobrepostas que um piano toca, e escrever todas elas na partitura. “Polifônica” quer dizer várias alturas ao mesmo tempo. Na transcrição monofônica, só uma nota soa por vez. A polifônica é mais difícil que a de uma melodia, porque as notas dividem o mesmo instante e os harmônicos delas se sobrepõem. Por isso o sistema precisa decidir quantas notas estão soando e quais são.
Por que transcrever acordes é mais difícil do que uma melodia só?
Numa melodia, soa uma altura por vez, e o sistema só precisa acompanhar uma frequência fundamental enquanto ela se move. Num acorde, várias notas se empilham, e os harmônicos delas se sobrepõem e se reforçam, então o indício de uma nota pode parecer o de outra. O sistema precisa contar quantas notas estão soando e desembaraçar qual harmônico pertence a qual altura, tudo no mesmo instante. Contar e separar com tudo sobreposto é o que faz da polifonia a parte difícil da transcrição.
O que causa erros de oitava na transcrição?
Uma nota e a nota uma oitava acima dela dividem a maior parte dos harmônicos. A série harmônica de um dó grave se alinha quase por inteiro com os harmônicos do dó de cima, então o sistema pode colocar uma nota uma oitava acima ou abaixo do lugar certo, ou acrescentar uma oitava fantasma que ninguém tocou. Os modelos erram menos porque aprendem o timbre do instrumento e o contexto musical, mas as oitavas continuam entre as coisas que mais vale conferir e corrigir numa transcrição polifônica.
Como ter a transcrição polifônica mais precisa possível?
Dê ao modelo a gravação de piano mais limpa e isolada que você conseguir. Um piano solo bem gravado, com pouco reverb e sem outros instrumentos por cima, deixa o modelo ler as vozes internas com precisão. Muito pedal de sustentação embola as harmonias e é a causa de erro mais comum, então uma gravação mais seca ajuda. Se você tocou a música num piano digital, gravar o MIDI direto dá os dados exatos das notas e evita de vez o problema do áudio. Depois de transcrever, passe os olhos pelos acordes densos no piano roll, onde erros de oitava e notas a mais são fáceis de achar e corrigir.
