© pixabay.com

Исследовательская работа в гуманитарных науках все больше определяется цифровыми технологиями. Музыковедение — не исключение, здесь происходит та же революция, что и в других гуманитарных дисциплинах.

Цифровая революция в музыковедении

Есть две ключевые области, в которых цифровые технологии меняют исследования: доступ к источникам и масштабирование. Технологии (в частности, интернет) радикально изменили способы доступа к информации. Одновременно с этим результаты исследований стали легко доступны для других.

Что все это значит для музыковедения? Работа музыковедов опирается на множество источников. Поскольку большая часть наследия в западной культуре существует в текстовой форме, наиболее широко используемый тип источников в музыковедении — рукописные и печатные тексты.

Для исторических исследований привлекаются разные документы: письма, либретто, описи. Они важны для понимания социально-экономического контекста, в котором были созданы или воспроизведены музыкальные источники, и для лучшего понимания специфических музыкальных аспектов, таких как исполнительская практика эпохи. Изучение исполнительской практики может опираться и на звуковые источники — если речь идет об эпохе сравнительно недавней.

Доступ к источникам всегда был проблемой для музыковедов. Еще несколько лет назад для того, чтобы ознакомиться с каким-нибудь редким документом, нужно было найти его местонахождение, пользуясь печатным каталогом, написать в библиотеку и ждать изготовления микрофильма. Процесс мог длиться месяцами, быть непредсказуемо дорогим, и все это без гарантии успеха. Эти препятствия сужали спектр исследований — музыковеды занимались детальным изучением ограниченного набора источников.

В цифровую эру ситуация изменилась. Многие ресурсы стали доступны онлайн, включая сервисы для библиографического поиска. Это сильно облегчает нахождение источников. Сами коллекции источников оцифровываются и становятся доступны онлайн.Некоторые посвящены одному композитору, как например, цифровой архив Дома Бетховена, некоторые систематизированы по типу репертуара, как например Архив цифровых изображений средневековых манускриптов (DIAMM) или основаны на коллекции одной библиотеки, как например Коллекция рукописных партитур Джульярдской школы.

В архивах часто разрешена самостоятельная фотосъемка. Теперь ученым легко хранить тысячи изображений на своем компьютере, в облачном сервисе или даже делиться ими на публичных веб-сайтах — хотя это вызывает проблемы с авторским правом.

Ноты — в цифру

Музыковедение сделало большой шаг вперед в деле доступа к изображениям — рукописям нот, ранним изданиям музыкальных произведений. Несколько важных исследовательских проектов в области цифрового музыковедения, такие как OCVE и Edirom, имеют большой успех благодаря богатым коллекциям цифровых изображений [Bradley and Vetch, 2007; Bohl et al., 2011].

Но когда речь идет об анализе или поиске музыки, нужен доступ к самим музыкальным произведениям в электронной форме — например, к цифровым нотным партитурам. Музыковедение никогда не отставало от других дисциплин в экспериментах с вычислительными методами, а иногда и вырывалось вперед. Однако доступ к большим и высококачественным базам музыкальной нотации остается серьезным препятствием.

Есть несколько инициатив по оцифровке музыкального наследия. Прежде всего, это Центр компьютерных исследований в гуманитарных науках (Center for Computer Assisted Research in the Humanities, CCARH) в Стэнфорде с репозиторием KernScores [1], создание которого заняло годы тщательной обработки данных. KernScores — это огромная онлайн-библиотека нот в цифровой форме. Она содержит больше 108 тыс. музыкальных произведений в формате kern. Выглядит формат вот так (слева — фрагмент мелодии, справа — он же в формате kern):

Исследовательский проект Josquin [2] в том же Стэнфорде — набор цифровых данных о произведений Жоскена де Пре и других композиторов того времени (1400–1500). Еще один проект — «Электронный локатор вертикальных интервальных последовательностей» (Electronic Locator of Vertical Interval Successions, ELVIS) [3] в Университете Макгилла. Эти два проекта преследуют сходные цели. Оба создают большой набор музыкальных данных и делают его доступным и анализируемыми с помощью современных инструментов анализа Humdrum и Music21. Результаты этих проектов в анализе контрапункта открыли новые перспективы для стилистического анализа и определения авторства музыкальных произведений. Использование гармонических и мелодических интервалов в ELVIS освещает области, в которых могут потребоваться инновационные исследования для решения вопроса о том, как правильно представлять музыку для исследований в области анализа, основанных на корпусах.

Впереди много работы

Все это — образцы для подражания. Но по ним видно, сколько еще предстоит сделать. Вышеупомянутые проекты измеряют число произведений тысячами, в то время как Международный каталог музыкальных источников (RISM) насчитывает почти миллион источников за период с 1600 по 1800 год. Это число включает в себя множество дублей или очень близких друг другу вариантов. Но оно все равно дает представление об объеме предстоящей работы.

Josquin и ELVIS — узкоспециализированные проекты, т.к. фокусируются на старинной музыке. Старинная музыка вообще часто становится основой ведущих исследовательских проектов в области цифровых технологий. К примеру, творчество Жоскена де Пре было в центре одного из самых первых проектов в области компьютерного музыковедения в 1960-х годах. В настоящее время нет ни одного проекта, обращенного к музыке более поздних исторических периодов, который был бы сопоставим с Josquin. Этот пробел только начинают заполнять такие проекты, как Transforming Musicology в Великобритании, часть которого посвящена лейтмотивам Вагнера [5].

Очень много сил предстоит отдать сбору данных — ведь оптическое распознавание музыки (OMR) остается проблемой.Чаще всего источники приходится (пере)набирать вручную. При этом иногда кажется, что мы застряли в петле: большинство изданий, опубликованных за последнее десятилетие, было подготовлено с использованием цифровых инструментов, но в конечном итоге сохранились только их бумажные или PDF-версии. То есть их придется набирать в цифровом виде еще раз. Часто после нотного набора и редактирования музыка публикуется в печатном виде, а цифровой контент остается недоступным. У издателей есть коммерческие причины, но это далеко не единственный фактор. Другая проблема — просто недостаточная осведомленность, и музыковедам придется приложить усилия для сохранения своей работы в цифровом формате.

В других гуманитарных областях существуют те же сложности. Но в музыковедении проблема стоит особенно остро, ведь сегодня нет технологии оптического распознавания музыкальных символов (OMR), которая бы работала так же хорошо, как OCR. А расшифровка или исправление музыкальных партитур вручную — весьма кропотливое занятие. Для этой задачи необходимы более совершенные инструменты. В настоящее время лидером в области является Единый интерфейс для поиска и анализа музыкальных партитур (SIMSSA) [6], созданный также в Университете Макгилла. Применение инструментов OMR сделает возможным создание и сбор данных принципиально новыми способами, включая краудсорсинг. Онлайн-инструменты для распределенного исправления данных позволят постоянно улучшать качество цифровых коллекций.

Еще одна проблема — совместимость данных. Разработка музыкальных компьютерных кодов показала, как разные сферы интересов и фокусы исследований могут привести к бесчисленным плохо совместимым инициативам [Selfrige-Field, 1997]. Цифровые ресурсы должны быть совместимы между собой, несмотря на различия в интересах или репертуаре. Music Encoding Initiative (MEI), безусловно, имеет все шансы сыграть объединяющую роль. Проект охватывает широкий спектр видов музыкальной нотации, но, самое главное, он является расширяемым. MEI можно использовать в качестве основы для более сложных вычислительных моделей.

Хранение подробных метаданных, гипотез структурного или гармонического анализа кодированных партитур, или любого другого типа аннотаций, непосредственно в наборах данных, как это делается в MEI, позволит использовать эти данные в приложениях. Это будет особенно полезно для интеграции инструментов поиска музыкальной информации (MIR) в цифровые музыковедческие приложения. С другой стороны, MEI будет отличным способом интегрировать музыковедческие знания высокого уровня в аудио- или исполнительский анализ.

C появлением ресурсов открытых связанных данных (LOD) становятся необходимыми надежные идентификаторы музыкальных произведений в цифровой среде. Это сложная проблема. Как определить границы отдельного произведения? С какой степенью точности? Оперная ария — это произведение? Или только целая опера? Это типичные и повторяющиеся вопросы музыкальной библиографии, которые становятся критическими в широкоформатных цифровых музыковедческих проектах, сопоставляющих произведения разных типов. Многие проекты пытались решить эту проблему, в том числе используя модель функциональных требований к библиографическим записям (FRBR) [Riley, 2011]. Однако ни одному из проектов пока не удалось масштабироваться.

Цифровые гуманитарные науки — новая область. В ней существуют огромные пробелы в знаниях и возможностях. Проекты в области цифрового музыковедения стоит рассматривать как шанс расширить и объединить области исследований. Необходимые инструменты еще только создаются, но фундамент работы заложен. Цифровой анализ данных — это возможность трансформировать наше знание о том, как устроена и как эволюционировала музыка.Перевела

Сноски

[1] Kern

[2] The Josquin Research Project

[3] Elvis Project

[4] На момент написания (октябрь 2014) KernScores включал около 3,700 единиц хранения, JRP — 1,000, ELVIS — 6,000.

[5] Transforming Musicology

[6] The Single Interface for Music Score Searching and Analysis project

[7] Проект JRP включает в свой рабочий процесс создания данных несколько трудоемких этапов проверки. Это останется необходимым и впоследствии.

[8] Music Encoding Initiative

Источники

Оригинал статьи: The challenge of data in digital musicology

Bohl, B., Kepper, J., and Röwenstrunk, D. (2011). Perspektiven digitaler Musikeditionen aus der Sicht des Edirom-Projekts. Die Tonkunst 5: 270–6.

Bradley, J., and Vetch, P. (2007). Supporting annotation as a scholarly tool — experiences from the online Chopin Variorum edition. Lit. Linguist. Comput. 22: 225–41. doi:10.1093/llc/fqm001

Cook, N. (2010). The ghost in the machine: towards a musicology recordings. Musicae Scientiae 14: 3–21. doi:10.1177/102986491001400201

Riley, J. (2011). Leveraging the FRBR model for music discovery and data sharing. OCLC Syst. Serv. 27: 175–89. doi:10.1108/10650751111164551

Selfrige-Field, Eleanor., ed. (1997). Beyond MIDI: The Handbook of Musical Codes. Cambridge MA: The MIT Press.