Μεθοδολογικό σημείωμα · rebetiko.sealabs.net · Αύγουστος 2026
Το ρεμπέτικο αποτελεί ένα από τα ελάχιστα μη δυτικά ρεπερτόρια με μεγάλο ψηφιοποιημένο σώμα ιστορικών ηχογραφήσεων, πλούσια κοινοτική τεκμηρίωση και δικό του τροπικό σύστημα (τους «δρόμους», συγγενείς αλλά όχι ταυτόσημους με τα οθωμανικά μακάμια). Η αυτόματη μουσικολογική του επισημείωση παρουσιάζει τρεις ιδιαιτερότητες που τη διαφοροποιούν από τις καθιερωμένες εργασίες ανάκτησης μουσικής πληροφορίας: (α) οι ηχογραφήσεις 78 στροφών φέρουν θόρυβο βελόνας, περιορισμένο φασματικό εύρος και απόκλιση ταχύτητας μεταγραφής που μετρήθηκε από 74 έως 82 στροφές ανά λεπτό, δηλαδή έως ±5% σε τέμπο και τονικό ύψος· (β) οι ρυθμοί του ρεπερτορίου περιλαμβάνουν εννεάσημα μέτρα με παραλλαγές που διαφέρουν σε επίπεδο υποδιαίρεσης· (γ) το συγκερασμένο μπουζούκι εξαλείφει τα μικροδιαστήματα στα οποία στηρίζεται η καθιερωμένη ανάλυση μακάμ.
Οι κύριες συνεισφορές της παρούσας εργασίας: (1) πρώτη, εξ όσων γνωρίζουμε, εφαρμογή προτύπων κατανομών τονικού ύψους εκπαιδευμένων ειδικά στους ελληνικούς δρόμους, συμπεριλαμβανομένων δρόμων που δεν υπάρχουν στην τουρκική θεωρία· (2) συνδυασμός στατικών κατανομών με στατιστικές μεταβάσεων της μελωδίας ως αντιστάθμισμα της συγκέρασης (+3,0 μονάδες)· (3) ποσοτική τεκμηρίωση ότι η ταξινόμηση δρόμου απαιτεί συνεπές — όχι κατ' ανάγκην ορθό — σημείο τονικής αναφοράς· (4) τεκμηρίωση, μέσω ελεγχόμενης ανθρώπινης ακρόασης, ότι οι παραλλαγές του ζεϊμπέκικου διακρίνονται μόνο σε ανάλυση δεκάτων έκτων· (5) αξιοποίηση της κοινοτικής γνώσης του φόρουμ της σελίδας ως πηγής περιορισμών του χώρου αναζήτησης, με μετρήσιμο όφελος μεγαλύτερο κάθε αλγοριθμικής επιλογής.
Το σώμα αποτελείται από 14.628 ηχογραφήσεις (μονοφωνική μίξη, 22.050 Hz για την ανάλυση), με μεταδεδομένα συλλογικά επιμελημένα επί δύο δεκαετίες. Τα δεδομένα αναφοράς των πειραμάτων (ground truth) — δηλαδή οι «σωστές απαντήσεις» πάνω στις οποίες εκπαιδεύονται και βαθμολογούνται οι μέθοδοι — προέρχονται από τρεις πηγές:
| πηγή | N | χρήση |
|---|---|---|
| ετικέτες ρυθμού από τα ελεύθερα κείμενα της βάσης, εξαγωγή με χειρωνακτικά ελεγμένους κανόνες | 2.725 | εκπαίδευση/αξιολόγηση ταξινομητή ρυθμού (1.924 αξιοποιήσιμες σε 9 κλάσεις) |
| ετικέτες δρόμου από τα κείμενα | 626 | εκπαίδευση/αξιολόγηση δρόμων (601 αξιοποιήσιμες, 12 κλάσεις) |
| στοχευμένη ανθρώπινη ακρόαση σε 5 γύρους: χρόνοι αρχής μέτρου (ακρίβεια 0,1 δευτ.), πλέγματα κρουστικών χτύπων, τονικές | ~120 | επικύρωση, ανάλυση σφαλμάτων, πλέγματα §4.1 |
Η εξαγωγή ετικετών από ελεύθερο ελληνικό κείμενο απαιτεί έλεγχο συμφραζομένων: τα εμπεριεχόμενα λεξήματα (το επώνυμο «Τσαουσάκης» περιέχει το «Ουσάκ»· το «Θεόφραστος» το «Ραστ») παρήγαγαν εκατοντάδες ψευδώς θετικά πριν από τον χειρωνακτικό έλεγχο των κανόνων.
Οι γενικοί ανιχνευτές παλμού της βιβλιογραφίας υποθέτουν σιωπηρά δυτικό
ρεπερτόριο με τέμπο 100–130 παλμών/λεπτό. Στα αργά ζεϊμπέκικα (διάρκεια
μέτρου 6–9 δευτ.) τόσο το beat_track της librosa όσο και ο
RhythmExtractor2013 της Essentia εμφάνισαν συστηματικό σφάλμα
οκτάβας (κλείδωμα στο μισό μέτρο) σε 3 από 5 ελεγμένα δείγματα.
Υιοθετήθηκε ο ανιχνευτής πρώτων χρόνων της βιβλιοθήκης madmom (Böck κ.ά. 2016): ένα νευρωνικό δίκτυο εντοπίζει σε κάθε στιγμή πόσο πιθανό είναι να πέφτει παλμός ή πρώτος χρόνος, και ένα πιθανοτικό μοντέλο (κατά το σχήμα bar-pointer των Krebs κ.ά. 2013) «διαβάζει» τη συνολικά συνεπέστερη ακολουθία μέτρων μέσα από αυτές τις ενδείξεις — με δύο περιορισμούς προσαρμοσμένους στο ρεπερτόριο: επιτρεπτά μέτρα [7, 8, 9] παλμών και μέγιστο τέμπο 140 π/λ. Ο περιορισμός των αριθμητών προέρχεται από την πραγματεία περί ρυθμών του φόρουμ της σελίδας (Τριήρης, νήμα 1971), όπου τεκμηριώνεται ότι ο μεγαλύτερος αριθμητής του ρεπερτορίου είναι το 9· η αφαίρεση του 12 από τον χώρο αναζήτησης ανέβασε την ορθότητα από 3/7 σε 5/7 στο αρχικό δείγμα ακρόασης — η μεγαλύτερη μεμονωμένη βελτίωση όλης της έρευνας.
Αξιολόγηση. Σε 1.005 ηχογραφήσεις των οποίων η κειμενική ετικέτα ρυθμού συνεπάγεται το πλήθος παλμών, ο ανιχνευτής αποδίδει το ορθό πλήθος στο 81,0%. Η διάρκεια του μέτρου είναι το αδύνατο σημείο: σε 29 ηχογραφήσεις με ανθρώπινους χρόνους αρχής μέτρου ακρίβειας δεκάτου (γύρος 5), η μηχανική διάρκεια συμφωνεί ακριβώς με την ανθρώπινη στο 31%, βρίσκεται σε ακέραιο πολλαπλάσιο ή υποδιαίρεσή της (διαφορετικό σκαλί της μετρικής ιεραρχίας — π.χ. ο ακροατής μετρά τον δίσημο κύκλο «πουμ-παμ» του χασάπικου, ο ανιχνευτής το πλήρες 8/8) στο 41%, και διαφωνεί ουσιωδώς στο 28%. Η μέθοδος αυτο-ομοιότητας των Pikrakis κ.ά. (2004), που δεν προϋποθέτει κρουστικές ενάρξεις, εμφάνισε μέσο σφάλμα διάρκειας 12% έναντι ~50% του νευρωνικού ανιχνευτή στα βαριά ζεϊμπέκικα, χωρίς σφάλμα οκτάβας — αλλά χωρίς αξιόπιστο πλήθος παλμών· ο υβριδικός συνδυασμός τους παραμένει ανοιχτό ζήτημα (§9).
Η ταξινόμηση ρυθμού απαιτεί μια «υπογραφή» του ρυθμικού σχήματος που να μένει ίδια είτε το κομμάτι παίζεται λίγο γρηγορότερα είτε λίγο αργότερα — απαραίτητο σε υλικό με ±5% απόκλιση ταχύτητας μεταγραφής. Αυτό ακριβώς προσφέρει ο μετασχηματισμός κλίμακας (scale transform): ένας μαθηματικός μετασχηματισμός που δίνει σε ένα ρυθμικό σχήμα την ίδια αναπαράσταση ανεξαρτήτως τέμπο, δοκιμασμένος ήδη σε ελληνικό παραδοσιακό ρεπερτόριο (Holzapfel & Stylianou 2011). Η αλυσίδα επεξεργασίας: πρώτα υπολογίζεται η καμπύλη έναρξης — πόσος «νέος ήχος» εμφανίζεται σε κάθε στιγμή, εκεί όπου πέφτουν οι χτύποι και οι νότες — χωριστά σε έξι ζώνες συχνοτήτων (από τα μπάσα των 0–100 Hz έως τα πρίμα άνω των 4.000 Hz, ώστε το «πουμ» και το «παμ» να μη συγχέονται· πρβλ. Marchand & Peeters 2014). Έπειτα κάθε ζώνη αυτοσυσχετίζεται — συγκρίνεται με τον εαυτό της σε όλες τις χρονικές μετατοπίσεις, πράγμα που αναδεικνύει τις περιοδικότητες του ρυθμού — και το αποτέλεσμα συμπυκνώνεται σε 24 αριθμούς ανά ζώνη μέσω του μετασχηματισμού κλίμακας (σύνολο 144 χαρακτηριστικά), μαζί με πέντε ακόμη από το στάδιο του μέτρου (πλήθος παλμών, διάρκεια, τέμπο). Την τελική απόφαση παίρνει τυχαίο δάσος 400 δέντρων — εκατοντάδες απλά «δέντρα αποφάσεων», καθένα εκπαιδευμένο σε τυχαίο υποσύνολο των δεδομένων, που ψηφίζουν· η πλειοψηφία τους είναι σταθερότερη από κάθε μεμονωμένο κριτήριο.
Αξιολόγηση. Με πεντάπτυχη σταυρωτή επικύρωση — το σύνολο χωρίζεται σε πέντε μέρη και κάθε τραγούδι κρίνεται από σύστημα που εκπαιδεύτηκε στα υπόλοιπα τέσσερα, ώστε η μέτρηση να αφορά πάντα «αθέατα» δεδομένα — σε 1.924 ηχογραφήσεις με κειμενική ετικέτα και 9 κατηγορίες: 67,2%. Βάση πλειοψηφικής κλάσης (συρτός, 535/1.924): 27,8%. Η πιστή αναπαραγωγή της αρχικής διαμόρφωσης του μετασχηματισμού (ενιαία ζώνη, C=48, kNN) αποδίδει 55,5% στο ίδιο σύνολο — η κατά ζώνες ανάλυση και τα χαρακτηριστικά μέτρου προσθέτουν 11,7 μονάδες.
| κατηγορία | N | κατηγορία | N | κατηγορία | N |
|---|---|---|---|---|---|
| συρτός | 535 | χασάπικο | 232 | καρσιλαμάς | 70 |
| ζεϊμπέκικο | 403 | τσάμικο | 231 | μπάλλος | 64 |
| καλαματιανός | 265 | τσιφτετέλι | 94 | χασαποσέρβικο | 30 |
Μέσω ελεγχόμενης ακρόασης συλλέχθηκαν πλέγματα κρουστικών χτύπων (ισχυρός «πουμ» / ασθενής «παμ») για τις παραλλαγές του εννεάσημου. Έντεκα ανεξάρτητα δείγματα σε τρεις κατηγορίες έδωσαν εσωτερικά ταυτόσημα πλέγματα:
Και οι τρεις μορφές φέρουν 11 χτύπους σε 9 θέσεις. Παλαιό και πεταχτό μοιράζονται την ομαδοποίηση 2+2+2+3 και διαφέρουν αποκλειστικά κατά μετατόπιση μισού ογδόου στη θέση του ζεύγους των ταχέων χτύπων· ο απτάλικος φέρει την τριάδα εμπρός (3+2+2+2). Σε ανάλυση ογδόων οι δύο πρώτες μορφές είναι ταυτόσημες — η διακριτική πληροφορία υπάρχει μόνο στα δέκατα έκτα (18 θέσεις). Το εύρημα εξηγεί εκ των υστέρων γιατί κανένας ταξινομητής βασισμένος σε ανάλυση ογδόων δεν διέκρινε τις παραλλαγές, και συμπίπτει με την ανεξάρτητη περιγραφή της ίδιας πραγματείας («7 ισάξιοι χτύποι και 4 με τη μισή διάρκεια, συνολικά 11» — Τριήρης, νήμα 1971).
Η βασική ιδέα της υπολογιστικής αναγνώρισης τρόπου, όπως θεμελιώθηκε στο έργο CompMusic για τα οθωμανικά μακάμια, είναι απλή: από την ηχογράφηση εξάγεται η κυρίαρχη μελωδική γραμμή (η νότα που «τραγουδά» το κομμάτι σε κάθε στιγμή· Salamon & Gómez 2012) και από αυτήν κατασκευάζεται η κατανομή τονικού ύψους — ένα ιστόγραμμα του πόσο χρόνο περνά η μελωδία σε κάθε νότα (Gedik & Bozkurt 2010). Κάθε τρόπος έχει χαρακτηριστικό «προφίλ» τέτοιας κατανομής, οπότε η αναγνώριση γίνεται με σύγκριση του ιστογράμματος κάθε τραγουδιού με πρότυπα ανά τρόπο (εργαλεία: tomato — Şentürk 2016· MORTY — Karakurt κ.ά. 2016). Η άμεση μεταφορά αυτής της αλυσίδας στο ρεμπέτικο, με τα έτοιμα τουρκικά πρότυπα, αποδίδει μόλις 31–34% (N=608): το ρεπερτόριο δεν είναι οθωμανική κλασική μουσική. Τρεις διαδοχικές προσαρμογές έδωσαν το τελικό σύστημα:
| διαμόρφωση | N | ορθότητα |
|---|---|---|
| tomato, δύο βήματα (τονική → μακάμι), τουρκικά πρότυπα | 608 | 31% |
| tomato, από κοινού εκτίμηση | 608 | 34% |
| + χαρτογράφηση ελληνικής ονοματολογίας (νήμα 1486) | 608 | 55% |
| πρότυπα εκπαιδευμένα στο ρεπερτόριο (MORTY, 5πλή σταυρωτή) | 601 | 64% |
| + λεπτομερέστερο ιστόγραμμα (βήμα 7,5 σεντ, δηλ. 160 διαμερίσεις ανά οκτάβα) | 601 | 65,1% |
| + μεταβάσεις μελωδίας (Markov 36 βαθμίδων), β=0,4 | 601 | 68,1% |
Η χαρτογράφηση ονοματολογίας (νήμα 1486 του φόρουμ) διόρθωσε τρεις ανεστραμμένες αντιστοιχίσεις της κοινής πρακτικής· κρίσιμη η διαπίστωση ότι το λαϊκό «Μινόρε» δεν δηλώνει την ελάσσονα κλίμακα αλλά αποτελεί το ελληνικό όνομα τριών διαφορετικών μακαμιών (αρμονικό/διατονικό/ποιμενικό μινόρε) — η κατηγορία από 0/95 πέρασε στο 74%. Τα πρότυπα του ρεπερτορίου ανέδειξαν δρόμους ανύπαρκτους στην τουρκική θεωρία: το Ταμπαχανιώτικο, μη ανιχνεύσιμο εξ ορισμού από τουρκικά πρότυπα (0/36), ανήλθε στο 78%. Το τρίτο βήμα προσθέτει την κίνηση της μελωδίας. Το ιστόγραμμα είναι στατικό — καταγράφει πού μένει η μελωδία, όχι πώς πηγαίνει από νότα σε νότα. Όμως οι δρόμοι διαφέρουν ακριβώς και στις χαρακτηριστικές διαδρομές τους: ποια βαθμίδα ακολουθεί συνήθως ποιαν, από πού περνά η κατάληξη. Αυτό μοντελοποιείται με αλυσίδα Markov: έναν απλό στατιστικό πίνακα που, για κάθε δρόμο, καταγράφει με ποια πιθανότητα η μελωδία μεταβαίνει από καθεμιά από 36 βαθμίδες σε καθεμιά άλλη. Για ένα άγνωστο τραγούδι μετριέται πόσο «φυσιολογικές» είναι οι μεταβάσεις του υπό τον πίνακα κάθε δρόμου, και η βαθμολογία αυτή συνδυάζεται με την ομοιότητα των ιστογραμμάτων (απόσταση Bhattacharyya — καθιερωμένο μέτρο ομοιότητας δύο κατανομών), αφού πρώτα οι δύο κλίμακες τυποποιηθούν ώστε να είναι συγκρίσιμες, με βάρος 0,4 υπέρ της κίνησης. Η αξία της κίνησης φάνηκε σε απομονωμένο πείραμα ίδιας ανάλυσης: το ιστόγραμμα μόνο του αναγνωρίζει το 46%, οι μεταβάσεις μόνες τους το 54% — η διαδρομή της μελωδίας κουβαλά περισσότερη πληροφορία από τη στάση της, επειδή επιβιώνει της συγκέρασης. Στον πλήρη συνδυασμό, τα μεγαλύτερα κέρδη εμφανίζονται ακριβώς στους δρόμους που πλήττει η συγκέραση (Μινόρε 70→81%, Χιτζάζ 38→50%)· το βέλτιστο βάρος 0,4 (με πτώση στο 66,2% όταν η κίνηση κυριαρχήσει πλήρως) δείχνει ότι η κίνηση συμπληρώνει την κατανομή, δεν την αντικαθιστά.
Σε 46 ηχογραφήσεις με τονική προσδιορισμένη από ακρόαση συγκρίθηκαν τρεις οικογένειες αλγορίθμων εκτίμησης τονικής:
| μέθοδος | αρχή λειτουργίας | ορθότητα |
|---|---|---|
Essentia TonicIndianArtMusic (Salamon κ.ά. 2012) |
κορυφές πολυφωνικής ευκρίνειας | 59% |
| tomato, από κοινού εκτίμηση | μελωδική γραμμή + κατανομή | 48% |
| τελευταία νότα (Atlı κ.ά. 2015) | σύμβαση κλεισίματος | 41% |
| τουλάχιστον μία ορθή (άνω όριο συνδυασμού) | — | 76% |
Τα σφάλματα δεν είναι τυχαία: από 8 σφάλματα του tomato σε 17 ελεγμένες περιπτώσεις, 4 προσγειώνονται ακριβώς στην τρίτη και 2 στην τετάρτη βαθμίδα — το γνωστό ζήτημα σύγχυσης τονικής/δεσπόζουσας της ανάλυσης μακάμ. Ανάλογο μοτίβο και στην Essentia (σε 44 δείγματα: 6 σφάλματα ακριβώς μία πέμπτη πάνω, 4 μία τετάρτη). Ένα ακόμη εύρημα αξίζει προσοχής: 6 «σφάλματα» απέχουν από τη σωστή νότα μόλις ένα ημιτόνιο — αυτά κατά πάσα πιθανότητα δεν είναι καν λάθος της μηχανής, αλλά ξεκούρδισμα της ίδιας της μεταγραφής: οι δίσκοι των 78 στροφών ψηφιοποιήθηκαν σε ταχύτητες που μετρήθηκαν από 74 έως 82 στροφές, και μια απόκλιση τέτοιου μεγέθους μετατοπίζει όλο το τραγούδι έως και ένα ημιτόνιο. Με άλλα λόγια, ένα μέρος του «σφάλματος» της τονικής είναι ιδιότητα του ιστορικού υλικού, όχι της μεθόδου — και βάζει ένα φυσικό ταβάνι στο πόσο «σωστή» μπορεί να είναι οποιαδήποτε νότα αποδοθεί σε αυτές τις ηχογραφήσεις. Το κεντρικό μεθοδολογικό εύρημα: η αντικατάσταση των τονικών του tomato μέσα στον ταξινομητή δρόμου με τις ακριβέστερες του Essentia μείωσε την ορθότητα από 68,1% σε 62,9%, και με τις ανθρώπινες τονικές η μείωση ήταν ακόμη μεγαλύτερη (24% σε υποσύνολο 21 έναντι 43% με τις μηχανικές). Ερμηνεία: τα συστηματικά ανά μακάμι σφάλματα της τονικής απορροφώνται από τα πρότυπα κατά την εκπαίδευση και αλληλοαναιρούνται κατά την πρόβλεψη· η ταξινόμηση απαιτεί συνεπές, όχι κατ' ανάγκην ορθό, σημείο αναφοράς. Υιοθετήθηκε διπλός ρόλος: Essentia για την προβαλλόμενη τονική (+11 μονάδες ορθότητας για τον αναγνώστη), tomato εσωτερικά για τον ταξινομητή.
| έργο | κλάσεις | N αξιολ. | επίδοση | βάση σύγκρισης |
|---|---|---|---|---|
| πλήθος παλμών μέτρου | 3 | 1.005 | 81,0% | — |
| ταξινόμηση ρυθμού | 9 | 1.924 | 67,2% | 27,8% (πλειοψηφία) |
| αναγνώριση δρόμου | 12 | 601 | 68,1% | 8,3% (τυχαία) · ~16% (πλειοψηφία) |
| τονική | 12 | 46 | 59% | 8,3% (τυχαία) |
Το ανθρώπινο ταβάνι. Ο Holzapfel (2010, κεφ. 4) διεξήγαγε τεστ ακρόασης με έξι έμπειρους χορευτές σε έξι κρητικούς χορούς: μέση ανθρώπινη ορθότητα 75,6%, με τη μηχανή (kNN στον μετασχηματισμό κλίμακας) στο 76,1% και με το ίδιο πρότυπο συγχύσεων (Πεντοζάλης↔Μαλεβιζιώτης· ο Πεντοζάλης στο 45,6% και για τους ανθρώπους). Το 67,2% της παρούσας εργασίας σε 9 κατηγορίες — πρόβλημα με περισσότερες και ανομοιογενέστερες κλάσεις — διαβάζεται πάνω σε αυτή τη βαθμονόμηση: μέρος του εναπομείναντος σφάλματος αντιστοιχεί σε διακρίσεις που δεν είναι εφικτές από το ηχητικό σήμα και μόνο.
Ο συρτός ως εγγενώς ασαφής κατηγορία. Κατά τον Holzapfel, όλοι οι νησιωτικοί χοροί μοιράζονται το 2/4· η διάκριση κρητικού, νησιώτικου και πολίτικου συρτού δεν εδράζεται στο μέτρο. Η ανθρώπινη ακρόαση στο υλικό μας συνηγόρησε: τα κριτήρια των ακροατών ήταν υφολογικά ή και εξω-ηχητικά (ο εκτελεστής ως τεκμήριο τοπικής παράδοσης).
Έναντι της ανάλυσης μακάμ. Η αλυσίδα CompMusic μεταφέρεται στο ρεμπέτικο μόνο κατόπιν προσαρμογής και στα τρία επίπεδα (πρότυπα, ονοματολογία, χαρακτηριστικά): σωρευτικά 34% → 68,1%. Η προσφυγή στις μεταβάσεις της μελωδίας συνιστά απόκριση σε δομικό όριο του οργάνου (συγκερασμός), όχι βελτιστοποίηση — και προτείνεται ως γενικό εργαλείο για τροπικά ρεπερτόρια σε συγκερασμένα όργανα.
Έλεγχος παραπομπών. Όλες οι παραπομπές της σελίδας επαληθεύτηκαν σε DBLP ή στον εκδότη. Κατά την έρευνα εντοπίστηκε και απορρίφθηκε μία εύλογη αλλά ανύπαρκτη παραπομπή (φερόμενη εργασία περί «αναγνώρισης μακάμ στο ρεμπέτικο με HMM» αποδιδόμενη σε υπαρκτή ερευνητική ομάδα), τυπικό δείγμα κατασκευασμένης βιβλιογραφικής αναφοράς γλωσσικού μοντέλου· η πλησιέστερη πραγματική εργασία της ομάδας (Rafailidis κ.ά. 2008) αφορά άλλο αντικείμενο.
Η ενότητα αυτή αποτιμά τις συνεισφορές αναλυτικά — για καθεμία: τι ίσχυε πριν, τι τεκμηριώνεται εδώ και με ποια μέτρηση, και τι ανοίγει για τη συνέχεια της συζήτησης. Οι διατυπώσεις κρατούν τη δέουσα επιφύλαξη («εξ όσων γνωρίζουμε») όπου η κάλυψη της βιβλιογραφίας δεν μπορεί να είναι εξαντλητική.
Πριν: οι δρόμοι υπήρχαν ως προφορική και πρακτική γνώση, με έντυπες περιγραφές σε συγκερασμένη σημειογραφία, αλλά — εξ όσων γνωρίζουμε — χωρίς κανένα υπολογιστικό μοντέλο: κανένα σύνολο προτύπων, καμία μετρημένη δυνατότητα αυτόματης αναγνώρισης. Τα διαθέσιμα εργαλεία αφορούσαν τα οθωμανικά μακάμια. Εδώ: εκπαιδεύτηκαν πρότυπα κατανομών τονικού ύψους για 12 δρόμους από 601 ηχογραφήσεις του ίδιου του ρεπερτορίου, με μετρημένη ορθότητα 68,1%. Τα πρότυπα αυτά δεν είναι απλώς μέσο ταξινόμησης — είναι δεδομένα: μια εμπειρική, ποσοτική αποτύπωση του πώς πραγματώνεται ακουστικά κάθε δρόμος στην ιστορική δισκογραφία, διαθέσιμη για μουσικολογική μελέτη ανεξάρτητα από την ταξινόμηση. Η απόδειξη της αναγκαιότητάς τους είναι το Ταμπαχανιώτικο: δρόμος που δεν υπάρχει στην τουρκική θεωρία, άρα κανένα εισαγόμενο εργαλείο δεν μπορούσε καν να τον αναπαραστήσει (0/36 με τουρκικά πρότυπα)· με πρότυπα από το ρεπερτόριο, 78%. Ανοίγει: ποσοτική σύγκριση δρόμων–μακαμιών πάνω σε μετρήσιμες κατανομές αντί για ονοματολογικές αντιστοιχίσεις· και βάση σύγκρισης για τα θεωρητικά πρότυπα της πρόσφατης μονογραφίας του Siciliano (2024), όταν ενσωματωθούν.
Πριν: η καθιερωμένη αναγνώριση τρόπου στηρίζεται στα μικροδιαστήματα του ιστογράμματος τονικού ύψους — πληροφορία που το συγκερασμένο μπουζούκι εξαλείφει εκ κατασκευής. Το πρόβλημα δεν είναι ιδιαιτερότητα του ρεμπέτικου: αφορά κάθε τροπικό ρεπερτόριο που πέρασε σε συγκερασμένα όργανα. Εδώ: τεκμηριώνεται με απομονωμένο πείραμα ότι, υπό συγκερασμό, η σειρά με την οποία η μελωδία επισκέπτεται τις βαθμίδες (μεταβάσεις Markov) φέρει περισσότερη διακριτική πληροφορία από τη στατική κατανομή (54% έναντι 46% σε πανομοιότυπες συνθήκες), και ότι ο σταθμισμένος συνδυασμός τους κερδίζει ακριβώς εκεί όπου η συγκέραση κοστίζει (Μινόρε +11, Χιτζάζ +12 μονάδες). Ανοίγει: μια μεταφέρσιμη αρχή για συγγενή προβλήματα — από το λαϊκό του μπουζουκιού έως ρεπερτόρια σε ακορντεόν ή κλαρίνο — όπου η τροπική ταυτότητα πρέπει να ανιχνευθεί χωρίς μικροδιαστήματα.
Πριν: η σιωπηρή παραδοχή των αλυσίδων επεξεργασίας είναι ότι η βελτίωση ενός κρίκου (εδώ: ακριβέστερη τονική) βελτιώνει το σύνολο. Εδώ: μετρήθηκε το αντίθετο, σε δύο ανεξάρτητες δοκιμές: ακριβέστερη μηχανική τονική −5,2 μονάδες στην αναγνώριση δρόμου· ορθές ανθρώπινες τονικές −19. Η εξήγηση — τα συστηματικά ανά τρόπο σφάλματα του εκτιμητή τονικής απορροφώνται από τα πρότυπα και αλληλοαναιρούνται στην πρόβλεψη — σημαίνει ότι σε συστήματα προτύπων η εσωτερική συνέπεια εκπαίδευσης–πρόβλεψης προηγείται της κατά κρίκο ορθότητας. Ανοίγει: πρακτικό δίδαγμα για κάθε αντίστοιχη αλυσίδα ανάκτησης μουσικής πληροφορίας: η αξιολόγηση των ενδιάμεσων κρίκων πρέπει να γίνεται διαμέσου του τελικού έργου, όχι απομονωμένα· και εξηγεί γιατί «καλύτερα» επιμέρους εργαλεία μπορεί να χειροτερεύουν ένα σύστημα.
Πριν: παλαιό, πεταχτό και απτάλικο περιγράφονταν ως διακριτοί ρυθμοί, χωρίς όμως τυπική καταγραφή του πού ακριβώς εδράζεται η διαφορά — και κανένας ταξινομητής (δικός μας ή της βιβλιογραφίας) δεν τους ξεχώριζε. Εδώ: έντεκα ανεξάρτητα πλέγματα ελεγχόμενης ακρόασης, εσωτερικά ταυτόσημα ανά κατηγορία (5+4+2), τεκμηριώνουν ότι παλαιό και πεταχτό μοιράζονται πλήρως πλήθος χτύπων και ομαδοποίηση και διαφέρουν κατά μετατόπιση μισού ογδόου — άρα σε ανάλυση ογδόων η διάκριση είναι θεωρητικά αδύνατη, όχι απλώς δύσκολη. Το αρνητικό αποτέλεσμα των ταξινομητών εξηγείται ως απουσία πληροφορίας στο επίπεδο ανάλυσης, όχι ως αδυναμία μεθόδου. Ανοίγει: συγκεκριμένη, ελέγξιμη προδιαγραφή για μελλοντικό ταξινομητή (ανάλυση 18 θέσεων με ευθυγράμμιση φάσης στους ανιχνευμένους πρώτους χρόνους) και τεκμηριωμένα πλέγματα που μπορεί να ελέγξει ή να αμφισβητήσει οποιοσδήποτε μουσικός.
Πριν: τα φόρουμ αντιμετωπίζονται ερευνητικά ως ανεπίσημες πηγές, υποδεέστερες της δημοσιευμένης βιβλιογραφίας. Εδώ: οι δύο συλλογικές πραγματείες του φόρουμ της σελίδας απέδωσαν, με μέτρηση, περισσότερο από κάθε αλγοριθμική επιλογή: ο περιορισμός των μέτρων από την πραγματεία των ρυθμών (Τριήρης, νήμα 1971) +2/7 στο μέτρο· η χαρτογράφηση της ονοματολογίας από το νήμα 1486 +21 μονάδες στους δρόμους — έναντι +3,0 της καλύτερης αλγοριθμικής προσθήκης (μεταβάσεις). Για ρεπερτόρια με ζωντανές κοινότητες πρακτικής, η τεκμηριωμένη κοινοτική γνώση δεν είναι συμπλήρωμα της βιβλιογραφίας· μπορεί να είναι η κρισιμότερη πηγή. Ανοίγει: ένα μεθοδολογικό επιχείρημα για την εθνομουσικολογία της ψηφιακής εποχής — με την προϋπόθεση της ρητής παραπομπής στα νήματα ως πηγές, όπως γίνεται εδώ.
Πέρα από τις μεθόδους, προσφέρεται το αποτέλεσμά τους: 58.508 αυτόματες επισημειώσεις (μέτρο, ρυθμός, δρόμος, τονική) με βεβαιότητα, μέθοδο και τεκμήρια ανά εγγραφή, πάνω σε 14.628 ηχογραφήσεις — εξ όσων γνωρίζουμε, το μεγαλύτερο μουσικολογικά επισημειωμένο σώμα ελληνικής ιστορικής δισκογραφίας. Οι επισημειώσεις συνυπάρχουν με 3.351 ανθρώπινες ετικέτες από τα κείμενα της βάσης και διορθώνονται από τα μέλη με πλήρες ιστορικό — ένα ζωντανό σύνολο αναφοράς που βελτιώνεται με τη χρήση, διαθέσιμο για ερευνητική συνεργασία.
Καταγράφονται ισότιμα με τα θετικά, με τη διάγνωση της αποτυχίας:
| δοκιμή | αποτέλεσμα | διάγνωση |
|---|---|---|
| γενικοί ανιχνευτές παλμού (librosa, Essentia) | σφάλμα οκτάβας 3/5 | υπόθεση δυτικού τέμπο 100–130 π/λ |
| αντιπαραβολή πλεγμάτων κρουστών στην καμπύλη έναρξης | 0/7 | 67 ενάρξεις ανά 10 δευτ. όπου ο ρυθμός ορίζει 4 — η μελωδία κυριαρχεί |
| το ίδιο, σε απομονωμένο κανάλι κιθάρας (Demucs) | 1/7 | σε 4/12 ηχογραφήσεις 78 στροφών το κανάλι εξήχθη κενό |
| πρότυπα bar-pointer (Krebs κ.ά. 2013) με ψευδο-επισημάνσεις, 2 εκδοχές | 32,7% / 34,2% | η αυτο-εκπαίδευση κληρονομεί τα σφάλματα μισού τέμπο του δασκάλου |
| καμπύλη έναρξης από κλίση φάσης ως είσοδος του μετασχ. κλίμακας | 40,8% | σχεδιασμένη για διακριτές ενάρξεις, όχι ως συνεχές σήμα αυτοσυσχέτισης |
| μελωδία από CREPE (μοντέλο tiny) αντί Melodia | 65,4% (−2,7) | χωρίς όφελος στα 78άρια· το πλήρες μοντέλο δεν δοκιμάστηκε |
| ανθρώπινες (ορθές) τονικές στον ταξινομητή δρόμου | 24% (−19) | κατάρρευση της συνέπειας προτύπων–εκτιμήσεων (§5.1) |
| τονική αποκλειστικά από την τελευταία νότα | 33% | σβήσιμο και θόρυβος βελόνας στο κλείσιμο των 78άρηδων· χρήσιμη μόνο συνδυαστικά |
(1) Διάρκεια μέτρου. Το πλήθος παλμών είναι αξιόπιστο (81%), η διάρκεια όχι (ακριβής συμφωνία 31%, §3): προτεραιότητα η ενσωμάτωση της εκτίμησης αυτο-ομοιότητας ως διορθωτή οκτάβας στην παραγωγή, με κατάλληλο εκτιμητή βεβαιότητας — η πρώτη απόπειρα (μέσο σφάλμα 26%) δεν επαρκεί. (2) Παραλλαγές εννεασήμων. Τα τρία επιβεβαιωμένα πλέγματα της §4.1 καθιστούν εφικτό ταξινομητή δεκάτων έκτων για παλαιό/πεταχτό/απτάλικο — απαιτεί ευθυγράμμιση φάσης με ανιχνευμένους πρώτους χρόνους, πρόβλημα που τα τρέχοντα πλέγματα δεν λύνουν (0/7 χωρίς φάση). (3) Θεωρητικά πρότυπα δρόμων. Η μονογραφία του Siciliano (2024) τεκμηριώνει 41 δρόμους με 166 παραδείγματα· πρότυπα θεμελιωμένα θεωρητικά θα κάλυπταν τους δρόμους με <20 δείγματα εκπαίδευσης, όπου η παρούσα ορθότητα πέφτει. (4) Επισημάνσεις κλίμακας. Το αρνητικό αποτέλεσμα των προτύπων bar-pointer οφείλεται σε ψευδο-επισημάνσεις· σώμα ανθρώπινων πρώτων χρόνων μεγέθους 10² × ανά κατηγορία θα επέτρεπε πραγματική επανεκπαίδευση — το τρέχον (29 αξιοποιήσιμα) επαρκεί μόνο για επικύρωση. (5) Προεπεξεργασία αυτοσχεδιασμών. Τα ταξίμια και οι αμανέδες δεν φέρουν μετρικό ρυθμό και οι τονικές τους αποδείχθηκαν δυσπροσδιόριστες και ακουστικά· ανιχνευτής μη-μετρικών τμημάτων ως πρώτο στάδιο θα καθάριζε και τα δύο προβλήματα. (6) Πλήρες μοντέλο CREPE και νεότεροι νευρωνικοί ανιχνευτές παλμού εκπαιδευμένοι σε μη δυτικά σώματα. (7) Ημι-εποπτευόμενη επέκταση: οι αυτόματες ετικέτες υψηλής βεβαιότητας (14.626 προβλέψεις ρυθμού, μέση βεβαιότητα κορυφαίας κλάσης) μπορούν να τροφοδοτήσουν δεύτερο γύρο εκπαίδευσης με έλεγχο μετατόπισης.
| εργαλείο | έκδοση | χρήση | αναφορά / τεκμηρίωση |
|---|---|---|---|
| madmom | 0.16.1 | ανίχνευση παλμών/πρώτων χρόνων | Böck κ.ά. 2016 · github.com/CPJKU/madmom |
| tomato | 0.14 | μελωδία (Melodia) + τονική, 14.628 ηχογρ. | Şentürk 2016 · github.com/sertansenturk/tomato |
| MORTY | — | πρότυπα κατανομών, αναγνώριση τρόπου | Karakurt κ.ά. 2016 · github.com/altugkarakurt/morty |
| Essentia | 2.1b6 | TonicIndianArtMusic, δοκιμές ρυθμού |
Bogdanov κ.ά. 2013 · essentia.upf.edu |
| librosa | 0.10 | φασματική ροή, αυτοσυσχετίσεις | McFee κ.ά. 2015 · librosa.org |
| scikit-learn | 1.3 | τυχαίο δάσος, σταυρωτή επικύρωση | Pedregosa κ.ά. 2011 · scikit-learn.org |
| Demucs | htdemucs_6s | διαχωρισμός πηγών (δεν υιοθετήθηκε) | Rouard κ.ά. 2023 · github.com/facebookresearch/demucs |
| CREPE | tiny | εναλλακτική μελωδία (δεν υιοθετήθηκε) | Kim κ.ά. 2018 · github.com/marl/crepe |
Η επεξεργασία εκτελέστηκε σε εξυπηρετητή 48 πυρήνων· ο πλήρης κύκλος εξαγωγής για το σύνολο του αρχείου απαιτεί περίπου μία ημέρα. Πλήρες πακέτο αναπαραγωγής — οι κώδικες της μεθόδου, τα εκπαιδευμένα μοντέλα και οδηγίες εγκατάστασης ώστε να αναλυθούν νέες ηχογραφήσεις — έχει συγκροτηθεί και θα διατεθεί δημόσια σε επόμενη φάση. Έως τότε διατίθεται για ερευνητική χρήση: στείλτε μήνυμα στη διεύθυνση επικοινωνίας στο τέλος της σελίδας, με δυο λόγια για τη σκοπούμενη χρήση.
Atlı, H. S., Bozkurt, B., & Şentürk, S. (2015). A method for tonic frequency identification of Turkish makam music recordings. 5th International Workshop on Folk Music Analysis (FMA), Παρίσι.
Bogdanov, D., Wack, N., Gómez, E., Gulati, S., Herrera, P., Mayor, O., Roma, G., Salamon, J., Zapata, J., & Serra, X. (2013). Essentia: An audio analysis library for music information retrieval. Proceedings of ISMIR, 493–498.
Böck, S., Korzeniowski, F., Schlüter, J., Krebs, F., & Widmer, G. (2016). madmom: A new Python audio and music signal processing library. Proceedings of the 24th ACM International Conference on Multimedia, 1174–1178.
Gedik, A. C., & Bozkurt, B. (2010). Pitch-frequency histogram-based music information retrieval for Turkish music. Signal Processing, 90(4), 1049–1063.
Holzapfel, A. (2010). Similarity methods for computational ethnomusicology. Διδακτορική διατριβή, Πανεπιστήμιο Κρήτης.
Holzapfel, A., & Stylianou, Y. (2011). Scale transform in rhythmic similarity of music. IEEE Transactions on Audio, Speech, and Language Processing, 19(1), 176–185.
Karakurt, A., Şentürk, S., & Serra, X. (2016). MORTY: A toolbox for mode recognition and tonic identification. Proceedings of the 3rd International Digital Libraries for Musicology Workshop (DLfM), 9–16.
Kim, J. W., Salamon, J., Li, P., & Bello, J. P. (2018). CREPE: A convolutional representation for pitch estimation. Proceedings of IEEE ICASSP, 161–165.
Krebs, F., Böck, S., & Widmer, G. (2013). Rhythmic pattern modeling for beat and downbeat tracking in musical audio. Proceedings of ISMIR, 227–232.
Marchand, U., & Peeters, G. (2014). The modulation scale spectrum and its application to rhythm-content description. Proceedings of the 17th International Conference on Digital Audio Effects (DAFx-14).
McFee, B., Raffel, C., Liang, D., Ellis, D. P. W., McVicar, M., Battenberg, E., & Nieto, O. (2015). librosa: Audio and music signal analysis in Python. Proceedings of the 14th Python in Science Conference (SciPy), 18–25.
Pedregosa, F., κ.ά. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.
Pikrakis, A., Antonopoulos, I., & Theodoridis, S. (2004). Music meter and tempo tracking from raw polyphonic audio. Proceedings of ISMIR, Βαρκελώνη.
Pikrakis, A., Theodoridis, S., & Kamarotos, D. (2006). Classification of musical patterns using variable duration hidden Markov models. IEEE Transactions on Audio, Speech, and Language Processing, 14(5), 1795–1807.
Rafailidis, D., Nanopoulos, A., Manolopoulos, Y., & Cambouropoulos, E. (2008). Detection of stream segments in symbolic musical data. Proceedings of ISMIR, 83–88.
Rouard, S., Massa, F., & Défossez, A. (2023). Hybrid transformers for music source separation. Proceedings of IEEE ICASSP.
Salamon, J., & Gómez, E. (2012). Melody extraction from polyphonic music signals using pitch contour characteristics. IEEE Transactions on Audio, Speech, and Language Processing, 20(6), 1759–1770.
Salamon, J., Gulati, S., & Serra, X. (2012). A multipitch approach to tonic identification in Indian classical music. Proceedings of ISMIR, 499–504.
Şentürk, S. (2016). Computational analysis of audio recordings and music scores for the description and discovery of Ottoman-Turkish makam music. Διδακτορική διατριβή, Universitat Pompeu Fabra, Βαρκελώνη.
Siciliano, C. (2024). The Theory of Rebetiko: From the Makams of Asia Minor to the Dromi of Piraeus. (Εντοπισμένη πηγή θεωρητικών προτύπων· δεν έχει ακόμη ενσωματωθεί.)
Τριήρης, Ν. «Ρυθμοί στα ρεμπέτικα τραγούδια». Φόρουμ rebetiko.sealabs.net, νήμα 1971, 81 μηνύματα. /?topic=1971
«ΤΡΟΠΟΙ (ΔΡΟΜΟΙ) ΤΟΥ ΡΕΜΠΕΤΙΚΟΥ». Συλλογικό νήμα, φόρουμ rebetiko.sealabs.net, νήμα 1486. /?topic=1486
Arzt, V. (2022). Rebetiko Corpus [σύνολο δεδομένων]. Zenodo, εγγραφή 6211555. zenodo.org/records/6211555 (βασισμένο στα δεδομένα της παρούσας σελίδας)
Επικοινωνία για ερωτήσεις, διορθώσεις ή συνεργασία: · Τελευταία ενημέρωση: Αύγουστος 2026.