Da Assinatura Gestual à Expressividade Musical
José Fornari (NICS/UNICAMP)
Abstract. Musicians express their art through gesture, understood here as "the movement with intention." The field of artistic technique is therefore seen as an intentional process of standardizing sign, consisting of the repetition-driven attention of the artist. Thus a musical style is formed, and expressed by the recurrence patterns of unconscious gestures. These often have the similarity that constitute a pattern identification, here referred to as "signature sign." This pattern allows us to recognize musical style of a particular interpreter, or in a macro sense, contributes to the self-organization of a musical genre. The gesture is well correlated with musical cognition. The patterns that collects the signature can now be collected and identified using technological resources. This information can be gathered through motion sensors (cameras, accelerometers, etc..) And analyzed in real time by computer models, which determine its unique aspects. This paper presents a related research currently in progress at NICS / UNICAMP, using gestural interfaces as equipment for the acquisition of patterns, and patches (computational models developed in PD programming environment) to control sound processes and dynamic analysis of expression music. With this we intend to lay the groundwork for the study of automatic identification of the signature gestures, and their correlation with musical expressiveness.
Resumo. O músico expressa a sua arte através do gesto, aqui entendido como “o movimento com intenção”. O domínio da técnica artística é assim visto como um processo intencional de padronização gestual, constituído pela repetição guiada pela atenção do artista. Desse modo um estilo musical é formado, e expresso pela recorrência inconsciente de padrões gestuais. Estes, muitas vezes, apresentam tal similaridade que constituem um padrão de identificação; aqui referido como “assinatura gestual”. Tal padrão permite reconhecer o estilo musical de um dado interprete, ou, num macro senso, contribui para a auto-organização de um gênero musical. O gesto é assim correlacionado à cognição musical. Os padrões que compõem a assinatura gestual podem atualmente ser coletados e identificados através de recursos tecnológicos. Informação gestual pode ser coletada através de sensores de movimento (câmeras, acelerômetros, etc.) e analisados em tempo-real, por modelos computacionais, que determinem seus aspectos únicos. Este trabalho apresenta uma pesquisa correlata, atualmente em andamento no NICS / UNICAMP, onde são utilizadas interfaces gestuais (equipamentos de aquisição de padrões gestuais) e patches (modelos computacionais do ambiente de programação PureData) para o controle dinâmico de processos sonoros e análise da expressividade musical. Com isso pretendemos lançar as bases para o estudo da identificação automática da assinatura gestual, e a sua correlação com a expressividade musical.
