Un sistema Optical Music Recognition per la tradizione manoscritta dei trovieri

La tesi affronta l’impiego delle tecnologie di Optical Music Recognition (OMR) nello studio della notazione trovierica e, più in generale, della musica profana medievale. L’adozione di modelli end-to-end basati sul Deep Learning, se da un lato offre nuove possibilità di analisi grazie a risultati di riconoscimento più accurati, dall’altro richiede una rappresentazione formale della notazione che ne rispetti i tratti peculiari. Per rispondere a questa necessità, l’autore propone un formato di codifica (point2) concepito sulla base di un’analisi semiologica e tassonomica della notazione quadrata, la cui formulazione diventa occasione di riflessione sulla semiografia musicale medievale e sulle radici dei dubbi interpretativi che la riguardano. Il nuovo formato consente di cogliere sfumature specifiche dei singoli testimoni e, al contempo, di interagire in modo ottimale con i sistemi di riconoscimento automatico. Attraverso alcuni casi di studio – dal calcolo quantitativo delle occorrenze di segni all’analisi stemmatica e filogenetica delle tradizioni melodiche – il prototipo dimostra come un approccio congiunto tra tecnologia OMR e rigore semiologico possa potenziare la ricerca filologica e musicologica, contribuendo a restituire accuratamente le sfumature musicali del repertorio.