slides taller ekoparty

31
La compositora Pablo Hernán Rodríguez Zivic

Upload: pablo-zivic

Post on 06-Aug-2015

2.212 views

Category:

Documents


4 download

TRANSCRIPT

Page 1: Slides taller ekoparty

La compositora

Pablo Hernán Rodríguez Zivic

Page 2: Slides taller ekoparty

¿cómo va a ser?

· Sobre el enfoque

· Un poquito de background ritmico

· A programar ritmos!

· Un poco de background tonal

· A programar notas!

¡Muy divertida!

Page 3: Slides taller ekoparty

Disclamer: expectativas

Page 4: Slides taller ekoparty

sobre el enfoque

Page 5: Slides taller ekoparty

el qué y el cuándoAl

tura

(not

as)

Tiempo (beats)

Page 6: Slides taller ekoparty

el qué y el cuándo

El tiempo es discreto

Page 7: Slides taller ekoparty

el qué y el cuándo

La altura también es discreta

Page 8: Slides taller ekoparty

el qué y el cuándoAl

tura

(not

as)

Tiempo (beats)

Page 9: Slides taller ekoparty

el acento métrico

Es local (Lerdahl y Jackendoff, 83; Snyder 2001)

Es periódico (Lerdahl y Jackendoff, 83)

Se organiza en clases de equivalencia (Benjamin, 84)

Page 10: Slides taller ekoparty

clases de equivalenciaSe perciben igual Se perciben igual

Page 11: Slides taller ekoparty

un modelo para el acento métrico

Page 12: Slides taller ekoparty

generando rítmicas nuevas

Page 13: Slides taller ekoparty

a programar!

· Dado un momento t, un estado se define como: t % interval_size

· El momento t puede ser tanto el principio como el final de una nota. Pero en este caso, el final de una nota corresponde al principio de la siguiente

· self.A es un diccionario. self.A[estado] es la probabilidad de empezar a tocar en ese estado

· self.T es un diccionario de diccionarios. self.T[estado] es un diccionario que tiene la probabilidad de moverse a los distintos estados

· Para generar duraciones, lo que importa es la diferencia entre estados. Por ejemplo, saltar del estado 1 al estado 2 genera una duración de 1, de la misma forma que saltar de 0 a 1 genera una duración de 1.

Page 14: Slides taller ekoparty

a programar!

Page 15: Slides taller ekoparty

a programar!

Page 16: Slides taller ekoparty

a programar!

Page 17: Slides taller ekoparty

a programar!

Page 18: Slides taller ekoparty

a programar!

· Dado un momento t, un estado se define como: t % interval_size

· El momento t puede ser tanto el principio como el final de una nota

· self.T es un diccionario de diccionarios. self.T[estado] es un diccionario que tiene la probabilidad de moverse a los distintos estados

· Para generar duraciones, lo que importa es la diferencia entre estados. Por ejemplo, saltar del estado 1 al estado 2 genera una duración de 1, de la misma forma que saltar de 0 a 1 genera una duración de 1.

Page 19: Slides taller ekoparty

el qué y el cuándoAl

tura

(not

as)

Tiempo (beats)

Page 20: Slides taller ekoparty

la polisemia de las notas

contexto(tonalidad)

contexto(armonía)

contexto(contorno)

Page 21: Slides taller ekoparty

la jerarquía tonal

Pitch profile para músicos. Cognitive foundations of musical pitch (Krumhansl, 90)

Page 22: Slides taller ekoparty

la jerarquía tonal

Nota

Prop

orci

ón d

e tie

mpo

Pitch profile inferido

Page 23: Slides taller ekoparty

intervalos melódicos

2 ST 1 ST 3 ST

Page 24: Slides taller ekoparty

contorno melódico

Do Re Do Fa#

2 ST -2 ST 6 ST

Page 25: Slides taller ekoparty

Si no, no llegamos

python compose.py –y 1830 input output

Page 26: Slides taller ekoparty

a programar!

· Dado una nota n, su versión canónica se obtiene como n.get_canonical()

· El diccionario self.pitch_profile tiene como claves notas canonicas y como valores la proporción de tiempo que sonaron en la pieza musical

· La generación de alturas viene de yapa

Page 27: Slides taller ekoparty

a programar!

Page 28: Slides taller ekoparty

a programar!

Page 29: Slides taller ekoparty

a programar!

Page 30: Slides taller ekoparty
Page 31: Slides taller ekoparty

¡¡¡ Gracias !!!