Composição eletroacústica algorítmica:
processo criativo da obra eco queen vs marks baseada em Cadeias de Markov em Python
Palabras clave:
Composição algorítmica, Cadeias de Markov, Música eletroacústica, Python, Síntese sonoraResumen
Este artigo investiga o processo criativo e o desenvolvimento de uma arquitetura computacional para a elaboração da obra eletroacústica eco queen vs marks desenvolvida através de cadeias de Markov implementadas em Python. O objetivo é examinar como algoritmos probabilísticos podem ser empregados na criação musical contemporânea, integrando aspectos técnicos de extração de características espectrais, síntese concatenativa e análise de clusters. A metodologia combina fundamentação teórica sobre processos estocásticos em música com desenvolvimento prático de sistema de composição algorítmica. A obra resultante demonstra propriedades emergentes características da música eletroacústica, revelando potencial criativo da aleatoriedade controlada. Os resultados apontam para possibilidades expressivas na composição algorítmica, questionando paradigmas tradicionais de autoria musical.
Descargas
Citas
ARIZA, Christopher. Algorithmic composition: paradigms of automated music generation. Cambridge: Cambridge University Press, 2005.
BRIOT, Jean-Pierre; HADJERES, Gaëtan; PACHET, François. Deep Learning Techniques for Music Generation. Cham: Springer, 2020.
BURRASTON, Dave; EDMONDS, Ernest. Cellular automata in generative electronic music and sonic art: a historical and technical review. Digital Creativity, v. 16, n. 3, p. 165-185, 2005.
CHARITOU, Dimitrios N. Automatic Music Synthesis using Neural Networks and Machine Learning Techniques. 2023. Dissertação (Mestrado) - National Technical University of Athens, Atenas, 2023.
CHEN, Yanxu; HUANG, Linshu; GOU, Tian. Applications and advances of artificial intelligence in music generation: A review. arXiv preprint arXiv:2409.03715, 2024.
COLLINS, Nick. Algorithmic composition methods for breakbeat science. 2008. In: MIRANDA, Eduardo Reck; BILES, John A. (org.). Evolutionary Computer Music. London: Springer, 2007. p. 303-315.
GÓMEZ-MARÍN, Daniel; JORDÀ, Sergi; HERRERA, Perfecto. Network representations of drum sequences for classification and generation. Frontiers in Computer Science, v. 6, p. 1476996, 2025.
HERNANDEZ-OLIVAN, Carlos; BELTRÁN, José Ramón. Music Composition with Deep Learning: A Review. Applied Sciences, v. 11, n. 1, p. 1-21, 2022.
HILLER, Lejaren; ISAACSON, Leonard. Experimental Music: Composition with an Electronic Computer. New York: McGraw-Hill, 1959.
MCADAMS, Stephen. Perspectives on the contribution of timbre to musical structure. Computer Music Journal, v. 23, n. 3, p. 85-102, 1999.
MIRANDA, Eduardo Reck; MAIA, Adolfo. Granular synthesis of sounds through Markov chains with fuzzy control. In: ICMC. 2005.
MIRANDA, Eduardo Reck. Composing Music with Computers. Oxford: Focal Press, 2001.
MYCKA, Jan; MAŃDZIUK, Jacek. Artificial intelligence in music: recent trends and challenges. Neural Computing and Applications, v. 37, n. 2, p. 801-839, 2025.
NIERHAUS, Gerhard. Algorithmic Composition: Paradigms of Automated Music Generation. Vienna: Springer, 2009.
ROADS, Curtis. Composing Electronic Music: A New Aesthetic. New York: Oxford University Press, 2015.
ROADS, Curtis. Microsound. Cambridge: MIT Press, 2001.
SCHAEFFER, Pierre. Traité des objets musicaux. Paris: Seuil, 1966.
SIMURRA, I. E. A utilização de descritores de áudio à análise e composição musical assistidas por computador: um estudo de caso na obra 'Labori Ruinae'. Anais XXV CONGRESSO DA ANPPOM Associação Nacional de Pesquisa e Pós-Graduação em Música, 2015.
SMALLEY, Denis. Spectromorphology: explaining sound-shapes. Organised Sound, v. 2, n. 2, p. 107-126, 1997.
XENAKIS, Iannis. Formalized Music: Thought and Mathematics in Composition. Bloomington: Indiana University Press, 1992.
YANG, Li-Chia; LERCH, Alexander. On the evaluation of generative models in music. Neural Computing and Applications, v. 32, n. 9, p. 4773-4784, 2020.
ZHU, Y., BACA, J., Rekabdar, B., & RAWASSIZADEH, R. A survey of ai music generation tools and models. arXiv preprint arXiv:2308.12982, 2023.
