Un primer análisis semiótico de la música

Como lo mencionábamos con anterioridad, el primer autor en interesarse de una forma bastante clara en la relación entre estos dos campos del saber humano fue el musicólogo J.-J. Nattiez. En uno de sus primeros artículos, «Linguistics: a New Approach for Musical Analysis», este autor se dedica a explorar la idea de analizar la música de la misma forma que se hace con el lenguaje, es decir, utilizando métodos lingüísticos. Nattiez dice al respecto: «music is perhaps the non-linguistic field where linguistic models can most successfully be applied»⁴ (1973, p. 52). Todo el trabajo realizado por este autor recibirá el nombre de semiología de la música.

De hecho, para Nattiez el análisis realizado por F. de Saussure de los signos (bajo el nombre de semiología) puede muy bien ser aplicado a campos no lingüísticos como el de la música, y esto debido al «carácter lineal que posee esta última» (Nattiez, 1973, p. 53) y que tiene gran relación con los sistemas utilizados para describir el lenguaje natural y las herramientas utilizadas por los lingüistas para hacerlo. Así, los elementos, las notas musicales, pueden analizarse al igual que los fonemas, y el texto musical puede, a su vez, ser analizado sintáctica o semánticamente como el texto escrito, etc. Si bien es cierto que este autor no es el primero en interesarse en la relación entre música y lingüística, sí será el primero en teorizar acerca de esta relación desde una perspectiva semiológica-lingüística y a la vez musicológica.

Más tarde otros autores, como R. ^{Monelle (1992}; 2000) y N. ^{Meeús (1993)}, harán una más explícita referencia al término «semiótica musical», diciéndonos que esta debería permitir la interpretación de signos semejantes a los que se encuentran en el lenguaje, pero esta vez en la música, pudiendo estos ser interpretados por el oyente o receptor del mensaje sonoro.

La música como vector de análisis de la fonología y la sintaxis

Si los autores antes mencionados realizaron unos primeros análisis desde la perspectiva semiótica, algunos otros van a ver la relación entre lingüística y música más centrada en un contexto fonológico (prosódico) y de la sintaxis musical, ligada a una de estas dos disciplinas o a ambas al mismo tiempo. Tal es el caso del trabajo desarrollado por las investigadoras N. ^{McCarry y A. Zarnowski (2007)}, quienes nos proponen la posibilidad de analizar la música desde una perspectiva prosódico-lingüística y sintáctico-musical, a través de tres elementos suprasegmentales, que son: la entonación, la acentuación y el ritmo. Si, en efecto, según estas autoras, estos tres elementos poseen puntos comunes entre música y lingüística, dichos puntos comunes pueden analizarse utilizando «una estructura sintáctica de varios niveles jerárquicos que se manifiestan bajo el aspecto de una estructura arborescente y bajo el aspecto de una malla métrica» (2007, p. 66).

Para el análisis, las autoras parten de las categorías propuestas por ^{Lerdahl y Jackendoff (1983)} y Lerdahl (2003): la sílaba, el pie, la palabra fonológica, el grupo fonológico y el grupo de entonación. Otros autores, como Gallo, Reyzábal y Santiuste (2008), añadirán a estos tres elementos los siguientes: altura o tono, intensidad, duración y ritmo. Según estos autores, tanto un fonema como una nota musical (análoga o digital) comparten todos estos elementos.

En aras de observar hasta qué punto la música wagneriana puede ser analizada utilizando sistemas informáticos, como los que se emplean para analizar las cadenas habladas (PRAAT, por ejemplo), hemos empleado un software que nos ha permitido obtener un espectrograma de un fragmento de una obra wagneriana. Así pues, en la Figura 1 podemos ver un análisis de un fragmento de Tannhäuser de Richard Wagner, utilizando, para ello, el programa Sonic Visualiser ^{(Cannam, Landone & Sandler, 2010)}.

Figura 1 Análisis de un fragmento de Tannhäuser de Richard Wagner, utilizando Sonic Visualizer ^{(Cannam, Landone & Sandler, 2010)}  

Podemos observar un espectrograma de un segmento en el cual canta el coro en esta ópera, acompañado por la orquesta (en esta sección se trata, en su mayor parte, de instrumentos de cuerda). En la parte izquierda podemos observar la parte correspondiente al coro masculino (voces graves) y, a partir del centro, lo que hace referencia al coro femenino (voces agudas). En la parte superior, puede verse la zona correspondiente a la forma de la onda (waveform); en el centro, en colores gris, verde y amarillo, se encuentra la zona relativa al espectrograma; y en la zona inferior, podemos observar la parte que representa tanto los picos de frecuencia (con los formantes) como el espectro (con la frecuencia fundamental F₀).

Este sistema nos permite analizar, al igual que con PRAAT, no solamente la realización de los instrumentos, sino además la producción de los elementos suprasegmentales antes mencionados. A diferencia de PRAAT, Sonic Visualiser permite el análisis de segmentos mucho más extensos, ya que el primero se encuentra limitado a análisis no superiores a diez segundos, mientras que el segundo no tiene límite de tiempo, pues fue diseñado para archivos mucho más grandes. En el caso que analizamos arriba, tenemos un fragmento de Tannhäuser que dura 6'38" y que es leído sin problema, y además hemos podido constatar que el sistema soporta grabaciones aún mucho más extensas.

La Figura 1, a título de ejemplo, da cuenta de una posibilidad de análisis, entre las diferentes que se pueden realizar desde una perspectiva fonológica. Por nuestra parte, en el marco del presente trabajo, nuestro interés se centrará en el análisis textual (lexical y fraseológico), a nivel computacional, de los libretos que contienen las obras de Wagner. Es así como se realiza el análisis de la música fundado en la lingüística computacional que presentamos a continuación.

La música desde el punto de vista de la lingüística computacional

Según J. ^{Libovicky (2013)}, para compositores como L. ^{Meyer (1956)} el sentido musical viene de la confrontación entre la expectación del oyente y los diferentes niveles de percepción, niveles particulares que, según el compositor estadounidense, pueden ser modelados como cadenas de Markov⁵. Otros autores interesados en el campo del tratamiento del lenguaje y la música fueron ^{Witten, Manzara y Conklin (1992)}, y el propio trabajo de Libovicky puede tomarse como ejemplo, al diseñar este autor un sistema de extracción de melodías en audio.

Según algunos autores ^{(Fell & Sporleder, 2014)}, la música lírica, por su parte, y al igual que las lenguas naturales, puede ser analizada gracias a la lingüística informática. En su trabajo, estos autores se interesan en la extracción, análisis y clasificación de letras de canciones en inglés según los diferentes géneros musicales a los que corresponden. Para estos autores, «cuando un compositor escribe la letra de una canción, este despliega unos mecanismos particulares de estilo que le permiten redactar dicha letra» (p. 620). Fell y Sporleder indican, además, que dichos mecanismos pueden medirse automáticamente y que pueden, por lo tanto, ser lo suficientemente distintivos como para permitir la identificación en una canción de su género musical, de su calidad y del tiempo en que fue publicada. Tenemos pues un interés marcado en el análisis de textos ligados a la música y que pueden ser estudiados a partir de herramientas informáticas.

Respecto de la lingüística computacional y su relación con la música, hay que señalar como un hito el encuentro académico adelantado en 2015, en San Petersburgo, Rusia. En dicho evento se estudió esta relación desde diversos puntos de vista: 1) música y lenguaje en la educación; 2) estudios de corpus de lenguaje y música; 3) problemas de notación; 4) estudios lingüísticos de la música. Una obra que recoge estas cuatro temáticas fue publicada luego del evento: Language, Music and Computing^{(Eismont y Konstantinova, 2015)}. Vale la pena destacar, de todos los artículos publicados, el referente a la «búsqueda del sentido como un estudio para observar la relación entre lenguaje y música», de Eismont y Degtyareva (2015). En este artículo, se analizan obras de autores rusos y occidentales, entre ellas La walkyria de R. Wagner. La idea de estas autoras es analizar la percepción del sentido que se tiene con obras orquestadas y ver cómo dicho sentido puede ser analizado desde el punto de vista emocional. En efecto, para estas autoras es importante poder constatar la relación semántica entre lenguaje y música a partir de datos experimentales que tienen que ver con la relación que el oyente tiene con la música y cómo esta relación puede reflejarse de forma emocional.

Un segundo artículo importante en esta obra viene de la mano de O. ^{Mitrofanova (2015)}, titulado «Probabilistic Topic Modeling of the Russian Text Corpus on Musicolo-gy». Este artículo es importante por cuanto la autora propone un análisis probabilístico de textos musicales en los que se analizan las relaciones paradigmáticas y sintagmáticas entre los lemas y los tópicos. Resulta interesante ver cómo, en este trabajo, la autora se interesa en la elaboración de un sistema de análisis que permite distinguir entre tópicos generales o especiales. Esto es similar a lo que sucede en el trabajo realizado por ^{Fell y Sporleder (2014)}, con la diferencia de que Mitrofonova se especializa en textos musicológicos, esto es, en textos escritos por críticos musicales de origen ruso.

Finalmente, reseñamos el proyecto que desde 2016 adelanta la Universidad Pompeu Fabra de Barcelona, llamado «Music Meets Natural Language Processing», que gira en torno a la extracción de información musical que se encuentra en la red.

Wordle⁸

Se trata de una herramienta que permite generar, de manera automática, nubes de palabras (word clouds) a partir de textos ^{(Feinberg, 2014)}, uno a la vez. Utilizando algunos filtros que Wordle posee, es posible configurar nubes de palabras que extraigan las más pertinentes y que obvien los términos más comunes (determinantes, conjunciones, etc.). En el formato de salida, podemos observar que el tamaño de las palabras es mayor, en función de una mayor utilización dentro del texto. Esto tiene dos inconvenientes: primero, que las palabras compuestas pueden ser tomadas como dos términos aparte (sin embargo = sin + embargo, etc.); segundo, que la variación del tamaño es bastante relativa; por ejemplo, la diferencia entre un tamaño 14 y 15 es poco visible a simple vista.

No obstante haber encontrado estos problemas, este programa nos permite un primer acercamiento a determinados textos y a un corpus en especial. Consideramos que, mientras más extenso sea un texto, mejor se verán los elementos resaltados. En el caso de los libretos de Wagner, existe una fuerte tendencia a que los nombres propios o los de los personajes principales sean bastante nombrados y que esto nos dé unas nubes de palabras en las que predominen este tipo de elementos.

AntConc⁹

Dentro de la panoplia de herramientas para el análisis del lenguaje que nos proporciona Lawrence Anthony en su sitio, tenemos una herramienta llamada AntConc. Se trata de un programa informático que permite analizar un corpus textual (varios textos a la vez) y encontrar concordancias u ocurrencias de un mismo término o de un conjunto de términos ^{(Anthony, 2014)}. Para tal fin, AntConc permite utilizar expresiones regulares, lo que ayuda a afinar las búsquedas y a obtener un mayor número de resultados. Gracias a este programa, pudimos obtener la lista general de términos de una forma rápida y fácil, así como observar las posibles colocaciones que se pueden dar dentro del corpus analizado.

GraphColl¹⁰

Se trata de una sofisticada herramienta que, además de proporcionar las diferentes ocurrencias de un término, ofreciendo su contexto derecho e izquierdo por listas de palabras, también permite hacer grafos de las palabras encontradas en el corpus ^{(Brezina, McEnery & Wattam, 2015)}. Al igual que AntConc, este sistema ayuda a analizar grandes corpus, pero no permite el empleo de expresiones regulares. Aparte de las listas, este sistema calcula el peso estadístico de los types analizados. Permite, además, crear nuevos grafos a partir de las ramas de un determinado type.

En el caso del corpus wagneriano, este sistema nos permitió crear grafos a partir de palabras que habíamos hallado con AntConc, para corroborar la información hallada y ver si los types se correspondían entre ellos. Con esto, pretendíamos observar los términos más relevantes y en qué proporción se relacionan con los Leitmotive del autor alemán.

Descripción del corpus

Con el fin de realizar este trabajo se tomaron las partituras, en castellano, de catorce de las obras más representativas de Richard Wagner. Se tuvieron en consideración las siguientes obras, en orden alfabético: 1) El holandés errante; 2) El ocaso de los Dioses; 3) El oro del Rin; 4) La prohibición de amar; 5) La walkyria; 6) Las hadas; 7) Lohengrin; 8) Los maestros cantores de Núremberg; 9) Parsifal; 10) Rienzi; 11) Sigfrido; 12) Tannhauser; 13) Tristón e Isolda; 14) WesendonkLieder. Como habíamos señalado, todas estas obras se obtuvieron del sitio Kareol y se procedió a su conversión en formato de texto (.txt) y a su codificación en ÜTF-8. Esto nos permitió usar la mayoría de sistemas de análisis que veremos en la parte siguiente.

Según el análisis realizado con GraphColl ^{(Brezina, McEnery & Wattam, 2015)}, el corpus total consta de 147 428 tokens (14 999 types), divididos de la siguiente forma (Tabla 1):

Tabla 1 Número de tokens y types según el programa GraphColl ^{(Brezina, McEnery & Wattam, 2015)}  

Metodología de trabajo

Basados en el trabajo realizado por ^{Fell y Sporleder (2014)}, iniciamos nuestro análisis con la herramienta Wordle ^{(Feinberg, 2014)}. En la Figura 4, referente a la obra El holandés errante, pudimos observar que los elementos que más se destacan son, a parte de los personajes principales (Senta, Erik, el Holandés, etc.), nociones como fidelidad, Dios, corazón, etc. Son términos muy ligados a esta primera obra wagneriana y son los que más se resaltan. En otras obras, como Lohengrin, tenemos los términos Dios, rey, mujeres, etc.

Figura 4 Nube de palabras de El holandés errante, obtenida con Wordle ^{(Feinberg, 2014)}  

En otras obras posteriores, se podrá observar un cierto cambio y los términos irán variando. Por ejemplo, en las obras de la tetralogía El anillo de los nibelungos, los términos más empleados son amor, corazón, muerte. Esto puede deberse al giro que va tomando la obra de Wagner, que se desliza de obras que tienen que ver con tradiciones paganas de tipo germánico hacia obras de corte más cristiano.

La segunda herramienta empleada para nuestro análisis fue AntConc ^{(Anthony, 2014)}. Como podemos observar en la Figura 5, para el término amor, pudimos obtener los siguientes resultados:

Figura 5 Análisis de concordancias en la obra de Wagner, utilizando AntConc ^{(Anthony, 2014)}  

Obtuvimos 303 concordancias de la palabra amor, distribuidas de la siguiente manera en los 14 textos:

Figura 6 Lista de textos del corpus con la cantidad de ocurrencias de la palabra «amor» 

Pero si le agregamos a este término la expresión regular representada por el asterisco («amor*»), podemos obtener más resultados. Así se encontraron otras ocurrencias representadas por adjetivos como amorosa, amorosas, amorosos; adverbios como amorosamente, etc., con lo que en esta ocasión se obtuvieron 326 resultados. Si en vez de esto utilizamos «*amor*», entonces obtendremos también: enamorada, enamoraron, enamoró, enamoré, etc., con un aumento a 351 resultados. Esto es importante pues permite alargar la lista de términos relacionados con un type. Sin embargo, es posible que obtengamos algo de ruido y que resulten palabras como clamor y camorra que nada tienen que ver con la palabra amor.

En cuanto a los términos más empleados en toda la obra de Wagner, sacando de lado preposiciones, determinantes, conjunciones, etc., pudimos obtener en la word list de AntConc la Tabla 2:

Tabla 2 Términos más representativos de la word list extraídos de AntConc ^{(Anthony, 2014)}  

Como podemos observar, los personajes más importantes de toda la obra wagneriana son, en su orden, Sigfrido, que aparece en tres obras de la tetralogía de El anillo de los nibelungos; luego Sachs, de Los maestros cantores de Nüremberg, una de las obras más extensas de Wagner (Tabla 1); y Brunilda, que, al igual que Sigfrido, aparece en varias obras de la tetralogía. En cuanto a los nombres comunes, vemos que amor aparece en primer lugar, luego de corazón, seguido de muerte. Estos serían los términos y los personajes más ligados a los Leitmotive wagnerianos, según este análisis inicial. Intentaremos ver con otras herramientas que analizan colocaciones si dichas relaciones se mantienen o si, por el contrario, cambian.

Analizando el corpus con la herramienta GraphColl ^{(Brezina, McEnery & Wattam, 2015)}, podemos observar en la Figura 7 la forma de extraer las ocurrencias de la palabra «amor». En la imagen, «amor» se ubica en el centro y al lado izquierdo y derecho, según el contexto en el que se halla en el corpus.

Figura 7 Análisis de ocurrencias de la palabra «amor», en GraphColl (^{Brezina, McEnery & Wattam, 2015)}  

Esta herramienta también nos permite crear grafos, como el que podemos ver en la Figura 8. En la parte izquierda, vienen las palabras que tienen mayor relación con el type «amor», así como su peso estadístico, su frecuencia respecto de su colocación y su frecuencia absoluta de aparición en el texto. El grafo que se despliega en la parte derecha, de acuerdo con el peso estadístico, traza la distancia entre el type y sus nudos.

Figura 8 Extracción de un grafo a partir del type «amor», en GraphColl ^{(Brezina, McEnery & Wattam, 2015)}  

En el grafo para el type «amor» (Figura 9) podemos observar términos como triunfo, fulgente, valentía, risueña, que son los types que mayor cercanía tienen con él; mientras que otros, como se, mío, del, etc., se hallan mucho más lejos.

Figura 9 Grafo del type «amor», en GraphColl ^{(Brezina, McEnery & Wattam, 2015)}  

Podemos notar en la Figura 10 que, si buscamos types relacionados con la palabra «fulgente» (fulgente amor), dando clic en este nudo, de esta se desprende el type «muerte»; así podemos ver la relación entre amor + fulgente + muerte. El amor y la muerte hacen parte de los Leitmotive que más se hallan en la obra wagneriana. Es decir, siempre hay un amor (o un amor fulgente) y este conduce irremediablemente a la muerte.

Figura 10 Grafo que se desprende del nudo «fulgente», en GraphColl ^{(Brezina, McEnery & Wattam, 2015)}  

En la Figura 10, es posible constatar, además, en qué forma el sistema permite alargar los grafos y establecer relaciones entre los diferentes types que conforman el grafo principal. Es posible observar también cómo se encuentran relacionadas las palabras muerte y vida. Lo interesante es que palabras como guerra o dioses no se hallan presentes.