Resucitando melodías perdidas: cómo la IA reconstruye partituras medievales a partir de fragmentos
En el claustro del monasterio de Silos, un monje descubre, entre el polvo de un armario del siglo XII, un pergamino rasgado que solo muestra cinco notas de una melodía que nadie ha escuchado en 800 años.
El enigma de los fragmentos musicales
Los manuscritos litúrgicos medievales son auténticos tesoros sonoros, pero el paso del tiempo, la humedad y los conflictos han dejado muchas partituras incompletas. Tradicionalmente, los musicólogos intentaban adivinar las notas perdidas mediante comparación estilística, un proceso subjetivo y lento.
La solución: una IA que «lee» la música como un lenguaje
Un equipo interdisciplinario de la Universidad de Salamanca y el Centro Nacional de Investigación sobre el Patrimonio Musical (CENPIM) desarrolló un pipeline basado en tres modelos de IA:
Vision Transformer (ViT) para completar lagunas visuales
- El modelo se entrenó con miles de imágenes de partituras completas de los siglos XI‑XIII.
- Al presentar un fragmento dañado, el ViT predice la forma más probable de los neumas (símbolos de nota) faltantes, teniendo en cuenta el contexto rítmico y melódico.
Transformer de lenguaje musical para armonizar la secuencia
- Se creó un vocabulario de patrones melódicos y rítmicos extraídos de tratados teóricos como el Musica enchiriadis y el De mensurabili musica.
- El modelo genera la sucesión de notas que mejor se ajusta a las reglas de la modalidad y el contrapunto de la época.
Red Generativa Adversarial (CGAN) para sintetizar el timbre instrumental
- Utilizando grabaciones de instrumentos de época (cítola, órgano portativo, vihuela de arco) se entrenó una CGAN que, dada una secuencia de notas, produce un audio con el carácter sonoro propio del siglo XII.
Caso de estudio: el fragmento de las Las Huelgas
El manuscrito Codex Las Huelgas (Burgos, c. 1200) conserva una sección del Alleluia de Pascua que falta el tercer compás. Tras aplicar el pipeline:
- Etapa 1 (ViT): se reconstruyeron los neumas perdidos con un 92 % de coincidencia frente a versiones completas de otros aleluyas del mismo códice.
- Etapa 2 (Transformer): se propuso una línea melódica que respetaba la modalidad doriana y la estructura de repetición típica del aleluya.
- Etapa 3 (CGAN): el audio resultante se comparó con una interpretación de un grupo de música antigua usando instrumentos de réplica; los expertos coincidieron en que la diferencia perceptible era menor a un semitono y que la expresividad era «asombrosamente auténtica».
Impacto y próximas aplicaciones
- Digitalización de archivos: bibliotecas como la Biblioteca Nacional de España y el Vaticano ya están pilotando el sistema para acelerar la transcripción de cientos de fragmentos inéditos.
- Educación y interpretación: grupos de música temprana pueden acceder a partituras «completadas» y experimentar con distintas hipótesis melódicas antes de decidir una versión de concierto.
- Extensión a otras tradiciones: el mismo enfoque se está adaptando para manuscritos bizantinos, cantos gregorianos fragmentados y incluso notaciones de música tradicional asiática.
Reflexión final
La IA no está reemplazando al musicólogo; está ampliando su lente, permitiéndole ver y oír lo que el tiempo había borrado. Cada fragmento rescatado es una ventana sonora a una época en la que la música era oración, comunidad y memoria viva. Y ahora, gracias a unos algoritmos y a la pasión de unos pocos investigadores, esas ventanas vuelven a abrirse.
¿Te imaginas escuchar una melodía que no se ha interpretado desde la cruzada? La tecnología lo está haciendo posible.