GERAÇÃO AUTOMÁTICA DE MÚSICAS A PARTIR DE TEXTOS UTILIZANDO MEMÓRIAS DE CURTO E LONGO PRAZO
| dc.contributor.advisor | Guilherme Alberto Wachs Lopes | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/4456728413230670 | |
| dc.contributor.author | ANDRÉ GUIMARÃES JORGE | |
| dc.contributor.author | ELIAS PUTTINI DA CUNHA | |
| dc.contributor.author | LUCAS COSTA SAMPAIO | |
| dc.contributor.author | MATHEUS VICTOR ALVES DA SILVA | |
| dc.date.accessioned | 2024-08-15T20:09:29Z | |
| dc.date.available | 2024-08-15T20:09:29Z | |
| dc.date.issued | 2021-12-17 | |
| dc.description.abstract | 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. | pt_BR |
| dc.format.extent | 50 | |
| dc.identifier.uri | https://repositorio.fei.edu.br/handle/FEI/5496 | |
| dc.language.iso | pt_BR | |
| dc.rights | Restrito | |
| dc.subject | Redes LSTM (Longo e curto prazo) | |
| dc.subject | Computação Musical | |
| dc.subject | Geração automática de músicas | |
| dc.title | GERAÇÃO AUTOMÁTICA DE MÚSICAS A PARTIR DE TEXTOS UTILIZANDO MEMÓRIAS DE CURTO E LONGO PRAZO | |
| dc.type | Trabalho de Conclusão de Curso | |
| fei.date.entrega | 2021 |