vega-mir：面向符号音乐的信息论 Python 工具包，及其在和声图和 Rubato 谱中的应用
声音
2026-05-19 v1 数据分析、统计与概率
摘要
我们提出了 vega-mir，这是一个开源的 Python 库，将九个信息论和统计度量捆绑在一个小型、经过测试、可引用的 API 之后，并在未解决 Cygnus 论文中的两个案例研究中展示了其中两个。其中九个度量中，三个（香农熵、KL 散度、Zipf 拟合）部署在随附的 Cygnus arXiv 预印本中；两个（对和弦转换图的网络分析和对 Rubato 曲线的谱分析）在本文中的完整案例研究中部署；其余四个（多维 Gini、卡方稳定性、Higuchi 分形维数、区间分布）被验证以分析锚点为 sanity check，并在一个捆绑的 8 位作曲家数据集中进行检验。这两个案例研究得出两个主要观察结果。首先，在十四位 MAESTRO 作曲家中 N >= 10 件作品中，重力中心节点的 PageRank 值与 rho = 0.61 时的边际 KL 距离相关（Spearman，composer-level jackknife N = 14）；类别化的重力中心身份在整个语料库中取五个不同值，但本身并不与边际 KL 相关（rho = 0.13，p = 0.21）。其次，在 247 件作品的巴赫多主流语料库（Schiff、Gould、 Richter）中，Gould 的周期率最高，不是最低，这颠覆了 low scalar rubato 阅读为“metronomic”的常见观点：Gould 的 Rubato 在�幅上较小，但在时间上具有结构性，中位主导周期为 66 拍，与 Schiff 的 102 和 Richter 的 104 相比。
引用
@article{arxiv.2605.16539,
title = {vega-mir: An information-theoretic Python toolkit for symbolic music, with applications to harmonic graphs and rubato spectra},
author = {Fred Jalbert-Desforges},
journal= {arXiv preprint arXiv:2605.16539},
year = {2026}
}
备注
20 pages, 2 figures, companion to arXiv:2605.06685