GERAÇÃO AUTOMÁTICA DE MÚSICAS A PARTIR DE TEXTOS UTILIZANDO MEMÓRIAS DE CURTO E LONGO PRAZO
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2021-12-17
Autores
ANDRÉ GUIMARÃES JORGE
ELIAS PUTTINI DA CUNHA
LUCAS COSTA SAMPAIO
MATHEUS VICTOR ALVES DA SILVA
ELIAS PUTTINI DA CUNHA
LUCAS COSTA SAMPAIO
MATHEUS VICTOR ALVES DA SILVA
Orientador
Guilherme Alberto Wachs Lopes
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
Redes LSTM (Longo e curto prazo),Computação Musical,Geração automática de músicas
Resumo
A computação musical vem sendo mais estudada conforme a tecnologia e a inteligência
artificial avança. Grandes bases de dados surgiram contendo diversos materiais para a criação
de modelos de redes neurais como as redes LSTM, que tem apresentado resultados promissores
para diversos domínios textuais, podendo ser utilizada também para a criação de modelos na
área de computação musical, como por exemplo para recomendação, composição, e classificação
musical. Embora existam diferentes modelos geradores de música, ainda é um desafio a
composição musical com uma qualidade próxima a de um compositor humano. Aliado a isso, a
computação musical ainda tem muito a se desenvolver, principalmente com relação às topologias
de redes neurais. Graças aos avanços na área da tecnologia e a capacidade de computação
para representação e geração de sequências, este trabalho apresentou como proposta um modelo
computacional de inteligência artificial com o intuito de gerar automaticamente melodias
e acordes a partir de textos que representam a letra de uma música, utilizando as redes LSTM
para a geração das melodias e acordes. A metodologia proposta no trabalho foi divida em 5
etapas: Base de dados, pré-processamento, geração de melodias, geração de acordes e geração
da música. Na primeira etapa foi realizada a divisão da base de dados extraindo apenas os arquivos
que possuem as letras juntamente com as notas musicais. Na segunda etapa foi realizado
o pré-processamento dos dados, normalizando os acordes e notas extraídas dos arquivos MIDI.
Na terceira etapa foi realizado o treinamento e validação do modelo gerador de melodias, que
obteve um erro quadrático médio de 0.00117. Na quarta etapa foi realizado o treinamento e
validação do modelo gerador de acordes, que obteve um erro quadrático médio de 0.04015. Na
quinta etapa foi realizada a junção da melodia gerada com os acordes gerados. O trabalho tem
como principal contribuição resultados mostrando um forte indício de que a letra da música
favorece na geração da melodia, uma vez que o resultado do experimento utilizando as notas
reais juntamente com as letras musicais como informação histórica foi cerca de 45% melhor
em comparação com o experimento que utilizou somente as notas reais sem a presença da letra
musical. De acordo com os resultados obtidos no trabalho, foi observado que ainda há espaço
para melhorar a geração de melodias e acordes. Para trabalhos futuros, um dos principais pontos
de melhoria é aumentar a qualidade da base de dados, uma vez que o modelo computacional
mostrou-se capaz de aprender a geração melódica e de acordes.