Estatísticas da música Capixaba (Pt-br)

NOTA INICIAL

Fiz mais uma análise estatística da música brasileira, mas dessa vez só com músicos capixabas. Escolhli a dedo os artistas que me vieram à mente quando eu estava escrevendo o código, e tentei trabalhar só com músicos que tenham algum viés de música instrumental, jazz e MPB. Desse post, vou fazer uma análise comparativa entre diferentes movimentos da música capixaba. Dêem uma olhada nos rankings abaixo, com alguns comentários e fiquem ligados para mais posts como esse.

IMPORTANTE: Nenhum dos rankings abaixo tem conotação avaliativa. Aqui estão alguns dos meus músicos capixabas preferidos, e eu não estou tentando estabelecer nenhum ranking de qualidade/gosto baseado em estatísticas inferenciais básicas do sinal acústico :D

Energia por track

#Segundo o API do spotify, a energia de uma track é calculada com base nos níveis de volume (loudness), de ruído do sinal acústico. Uma guitarra distorcida, por exemplo, é mais ruidosa e, portanto, mais energética do que um violino, mesmo que ambos sejam tocados no mesmo volume (em dB).

Também é legal ter um ponto de referência para esses níveis de energia. No gráfico abaixo eu adiciono a banda Sepultura, que nos dá uma ideia da diferença do nosso músico mais energético (Wandinho) em relação a uma banda de heavy metal, por exemplo.

Modulações por track

Aqui eu analiso quantas vezes, em média, os artistas trocam de tonalidade por música. Bruno Santos e Brasilidade geral lideram o ranking, o que faz sentido. Muitos dos arranjos do Brasilidade são feitos pelo Bruno, que gosta de dar trabalho para quem vai improvisar hehehe

Aqui vem mais um ranking, também relacionado à harmonia. Gabrielzinho, que foi listado como o músico que troca menos de tonalidade por música, agora aparece como o músico com maior clareza tonal. Essa variável é influenciada pela presença de dissonâncias na harmonia e na melodia, bem como pelo tempo que as músicas ficam “paradas” em uma tonalidade X ou Y.

Troca de métrica por track

Agora vamos para métrica. Os mesmos que trocam muito de tonalidade também trocam muito de métrica. A clareza métrica (abaixo) representa, basicamente, a precisão e a clareza do pulso na música. Quanto mais preciso, com menos dinâmica e mais diferença de energia entre os tempos fortes e os tempos fracos, maior é a clareza métrica. Esses dois rankings estão plotados lado a lado, por conveniência.

Simplicidade

Por fim, compus um score de simplicidade, que consiste na facilidade com que os algoritmos de detecção de métrica e de tonalidade conseguem descrever cada música. Esse score foi composto como o produto ente clareza tonal e clareza métrica. Com isso geramos o ranking abaixo:

Detalhes estatísticos

Todos os códigos estão disponíveis no meu GitHub. O API foi puxado em Python e as descritivas foram rodadas no R. Clica aqui para baixar os dados e aqui se quiser olhar os códigos e reproduzir alguma análise.

Todas as métricas foram compuptadas como médias a nivel de track e de artista. Isto é, primeiro eu computei a média de troca de acorde para cada música, depois computei a média de trocas por música para cada artista. Os dados foram globalmente escalonados em um range de 0 a 1.

Compartilhem!