Un equipo de investigadores ha desarrollado un modelo de inteligencia artificial capaz de generar música de jazz que imita el estilo específico de doce pianistas maestros, como Scott Joplin, Bill Evans y Dick Hyman. El proyecto, presentado en la conferencia ISMIR 2026 en Abu Dabi, utiliza el modelo transformer Aria, previamente entrenado con datos MIDI de piano, para aprender estas particularidades técnicas a través de un mecanismo de atención cruzada (cross-attention) condicionado por un vector de embedding de cada artista.
El objetivo no es solo reconocer quién está tocando, sino que el modelo genere nuevas piezas con la firma técnica de cada pianista, como los 'runs' rápidos de Tatum o el 'strumming' de Garner. Para evaluar la eficacia, los investigadores aplican un clasificador de pianistas sobre la música generada. Los resultados muestran que las continuaciones condicionadas se atribuyen al pianista intencional un 70% de las veces, frente al 37% de las continuaciones sin condicionamiento. Además, un segundo clasificador entrenado exclusivamente con música generada logra una precisión del 95% al identificar grabaciones reales.
La técnica inserta un bloque de atención cruzada en las capas finales del modelo, donde la música atiende a un pequeño vector aprendido para el pianista seleccionado. Un 'gate' (puerta) aprendida escala la influencia de este vector, comenzando en 0.1 para evitar que el modelo cambie su comportamiento base. Aunque la métrica de perplexidad no distingue claramente entre los modelos, el acuerdo del clasificador de estilo se duplica. Los resultados varían según el pianista: Hank Jones y Dick Hyman tienen una atribución del 96%, mientras que Cedar Walton solo alcanza el 29%. El estudio destaca que la densidad de notas y la dinámica son parte integral de la firma estilística, y sugiere que futuras evaluaciones con estudios de escucha humana son necesarias para validar la calidad artística percibida.