Suonare insieme, dalle due sponde dell’Oceano

Video

Cantanti e orchestre famosi, ma anche musicisti amatoriali, ci hanno stupito in questi giorni con esibizioni dal vivo o registrate in cui persone fisicamente lontane riuscivano a rimanere collegate da un’attività come la musica, che unisce ancora di più in questo momento di difficoltà. Per superare le modalità amatoriali ed ottenere un effetto professionale, come se ci si trovasse davvero nella stessa stanza, è necessario utilizzare strumenti avanzati.

Si tratta quindi di un ambito di ricerca sfidante, di cui hanno fornito un esempio con un video realizzato in questi giorni di restrizioni causate dall’emergenza sanitaria l’ingegner Cristina Rottondi del Dipartimento di Elettronica e Telecomunicazioni del Politecnico e il professor Christopher Chafe dell’Università di Stanford: il noto brano Amazing Grace è stato registrato suonando e cantando in contemporanea dalle due sponde dell’Oceano grazie ad un’applicazione di Networked Music Performance (NMP) sulla rete Internet.

Il NMP ha l’obiettivo di rivoluzionare il concetto tradizionale di interazione musicale, consentendo ai musicisti collegati da diverse località geografica di interagire ed esibirsi insieme attraverso una rete di telecomunicazione. Il Networked Music Performance spazia in un'ampia gamma di applicazioni per musicisti, come tele-audizioni, lezioni e prove di musica a distanza, jam session distribuite e concerti.

Tuttavia, garantire condizioni confrontabili a quelle delle interazioni in presenza costituisce una sfida ingegneristica significativa a causa dei requisiti estremamente rigidi in termini di qualità audio e, soprattutto, di ritardo di rete. Quando un segnale audio viene trasmesso da una sorgente a una destinazione attraverso Internet, i dati audio vengono infatti suddivisi in pacchetti. La consegna dei pacchetti alla destinazione è soggetta a un inevitabile ritardo, dovuto alla trasmissione e alla propagazione su fibre ottiche, cavi o via radio. Tale ritardo è fortemente variabile a causa di molti fattori imprevedibili come il traffico e l'elaborazione sui nodi della rete. I ritardi indotti dalla rete si sommano al tempo di elaborazione richiesto ai terminali utenti, quando si acquisiscono o si riproducono dati audio. Inoltre, alcuni pacchetti potrebbero essere persi a causa della congestione in rete, con conseguente perdita di porzioni di dati audio alla destinazione.

Secondo diversi studi ^[1-2], ritardi e perdite possono avere un effetto dirompente per la qualità dell’audio percepito. La soglia di tolleranza del ritardo è stimata in 20-30 ms, corrispondente a una distanza di 8-9 m (considerando la velocità di propagazione del suono in aria), la massima separazione fisica che garantisce il mantenimento di un tempo stabile in assenza di un direttore d’orchestra. Pertanto, sia dal punto di vista dell'applicazione che dal punto di vista della rete, devono essere soddisfatti requisiti molto stringenti per mantenere il ritardo percepito al di sotto di alcune decine di millisecondi.

L’applicazione utilizzata nel video si chiama JackTrip ed è stata sviluppata dal gruppo SoundWIRE presso il Center for Computer Research in Music and Acoustics (CCRMA) della Stanford University (California). È una applicazione eseguibile su Linux, Windows e Mac OS X che supporta connessioni audio multi-utente su Internet. L'idea base è inviare audio non compresso, evitando così la latenza introdotta dagli algoritmi di codifica e decodifica di compressione.

Inoltre, sebbene siano già state messe a punto diverse tecniche di correzione per integrare i dati audio mancanti, i ritardi di elaborazione introdotti contrastano con i requisiti di basso ritardo tipici dell’NMP.

Pertanto, i ricercatori del CCRMA, del Dipartimento di Elettronica e Telecomunicazioni del Politecnico di Torino e del Dipartimento di Elettronica, Telecomunicazioni e Bioingegneria del Politecnico di Milano stanno studiando tecniche di apprendimento automatico (machine learning) specificamente dedicate alle applicazioni NMP come misure compensative per le perdite di pacchetti. Gli algoritmi di previsione dell'apprendimento automatico sono ideali per questa applicazione perché possono generare segnali audio in tempo reale per recuperare pacchetti audio persi o ritardati, al fine di mantenere la coerenza musicale in termini di timbro, ritmo, melodia e contenuto armonico.

[1] A. Carôt and C. Werner, “Fundamentals and principles of musical telepresence,” Journal of Science and Technology of the Arts, vol. 1, no. 1, pp. 26–37, 2009.

[2] C. Rottondi, M. Buccoli, M. Zanoni, D. Garao, G. Verticale, and A. Sarti, “Feature-based analysis of the effects of packet delay on networked musical interactions,” J. Audio Eng. Soc, vol. 63, no. 11, pp. 864–875, 2015.