Deep learning aplicado a la generación de letras musicales en base a archivos de audios
- Autores
- Deza Pasquale, Camila Teresa
- Año de publicación
- 2025
- Idioma
- español castellano
- Tipo de recurso
- tesis de maestría
- Estado
- versión publicada
- Colaborador/a o director/a de tesis
- Duboue, Pablo Ariel
- Descripción
- Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados, 2025.
Fil: Deza Pasquale, Camila Teresa. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
El avance del poder computacional ha permitido desarrollar algoritmos y trabajar con datos más complejos, que sin dicho avance, sería imposible implementar. Esto llevó a objetivos más ambiciosos como la creatividad de las máquinas, lo complejo que resulta el tópico de la creatividad y cómo evaluarla. En este presente trabajo, con un audio dado y sus características, como el tempo, los acordes, la progresión armónica, el tono, etc. queremos adentrarnos en el mundo de la creatividad computacional, generando a partir de ellos, estribillos de canciones. En la “Introducción” exploramos la relación entre las características que pueden presentar la música y las emociones con las que están frecuentemente relacionados, como por ejemplo, que un tempo rápido y poco variable está relacionado con algo “feliz” mientras que un tempo lento con algo “triste”. Luego definimos los objetivos de esta tesis, el cual el principal es generar un estribillo a partir de un archivo de audio. Si nos dirigimos a lo específico, pretendemos lograr que el estribillo generado sea acorde a la música, es decir, una música triste nos debería ayudar a generar un estribillo triste. En el Marco Teórico explicamos las herramientas, algoritmos y consideraciones disponibles hoy en día, que pensamos que pueden ser útiles para el logro de los objetivos planteados. Desde lo elemental de que es una red neuronal, pasando por los diferentes tipos que existen y que nos ayudan a modelar, así también como forma de inicializarlas, regularizarlas, funciones de costos y activación así también de cómo se optimizan y las dificultades que podemos encontrar en el proceso con los gradientes, entre otros aspectos. En ‘Evaluación’ definimos cómo evaluaremos esta tesis y de qué herramientas nos valdremos para ello. En la siguiente parte describiremos la arquitectura del tipo Encoder-Decoder que vamos a utilizar, así como las características particulares de dicha implementación. Luego hablaremos de la metodología, como se han procesado tanto el audio como las letras y también por otro lado, el hardware utilizado para su entrenamiento. Finalmente, presentaremos los resultados obtenidos con dicha arquitectura, a que conclusiones nos lleva y el trabajo que se podría realizar en el futuro para obtener mejores resultados.
Fil: Deza Pasquale, Camila Teresa. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. - Materia
-
Redes neuronales
Creatividad computacional
Generación de lenguaje natural
Inteligencia artificial
Música
Emoción - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
.jpg)
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/562933
Ver los metadatos del registro completo
| id |
RDUUNC_6311bda5ed863272ee89c5ab8901672f |
|---|---|
| oai_identifier_str |
oai:rdu.unc.edu.ar:11086/562933 |
| network_acronym_str |
RDUUNC |
| repository_id_str |
2572 |
| network_name_str |
Repositorio Digital Universitario (UNC) |
| spelling |
Deep learning aplicado a la generación de letras musicales en base a archivos de audiosDeza Pasquale, Camila Teresahttps://purl.org/becyt/ford/6.4https://purl.org/becyt/ford/1.2Redes neuronalesCreatividad computacionalGeneración de lenguaje naturalInteligencia artificialMúsicaEmociónTesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados, 2025.Fil: Deza Pasquale, Camila Teresa. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.El avance del poder computacional ha permitido desarrollar algoritmos y trabajar con datos más complejos, que sin dicho avance, sería imposible implementar. Esto llevó a objetivos más ambiciosos como la creatividad de las máquinas, lo complejo que resulta el tópico de la creatividad y cómo evaluarla. En este presente trabajo, con un audio dado y sus características, como el tempo, los acordes, la progresión armónica, el tono, etc. queremos adentrarnos en el mundo de la creatividad computacional, generando a partir de ellos, estribillos de canciones. En la “Introducción” exploramos la relación entre las características que pueden presentar la música y las emociones con las que están frecuentemente relacionados, como por ejemplo, que un tempo rápido y poco variable está relacionado con algo “feliz” mientras que un tempo lento con algo “triste”. Luego definimos los objetivos de esta tesis, el cual el principal es generar un estribillo a partir de un archivo de audio. Si nos dirigimos a lo específico, pretendemos lograr que el estribillo generado sea acorde a la música, es decir, una música triste nos debería ayudar a generar un estribillo triste. En el Marco Teórico explicamos las herramientas, algoritmos y consideraciones disponibles hoy en día, que pensamos que pueden ser útiles para el logro de los objetivos planteados. Desde lo elemental de que es una red neuronal, pasando por los diferentes tipos que existen y que nos ayudan a modelar, así también como forma de inicializarlas, regularizarlas, funciones de costos y activación así también de cómo se optimizan y las dificultades que podemos encontrar en el proceso con los gradientes, entre otros aspectos. En ‘Evaluación’ definimos cómo evaluaremos esta tesis y de qué herramientas nos valdremos para ello. En la siguiente parte describiremos la arquitectura del tipo Encoder-Decoder que vamos a utilizar, así como las características particulares de dicha implementación. Luego hablaremos de la metodología, como se han procesado tanto el audio como las letras y también por otro lado, el hardware utilizado para su entrenamiento. Finalmente, presentaremos los resultados obtenidos con dicha arquitectura, a que conclusiones nos lleva y el trabajo que se podría realizar en el futuro para obtener mejores resultados.Fil: Deza Pasquale, Camila Teresa. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.Duboue, Pablo Ariel2025info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriaapplication/pdfhttp://hdl.handle.net/11086/562933spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2026-10-29T10:15:17Zoai:rdu.unc.edu.ar:11086/562933Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722026-10-29 10:15:17.44Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
| dc.title.none.fl_str_mv |
Deep learning aplicado a la generación de letras musicales en base a archivos de audios |
| title |
Deep learning aplicado a la generación de letras musicales en base a archivos de audios |
| spellingShingle |
Deep learning aplicado a la generación de letras musicales en base a archivos de audios Deza Pasquale, Camila Teresa Redes neuronales Creatividad computacional Generación de lenguaje natural Inteligencia artificial Música Emoción |
| title_short |
Deep learning aplicado a la generación de letras musicales en base a archivos de audios |
| title_full |
Deep learning aplicado a la generación de letras musicales en base a archivos de audios |
| title_fullStr |
Deep learning aplicado a la generación de letras musicales en base a archivos de audios |
| title_full_unstemmed |
Deep learning aplicado a la generación de letras musicales en base a archivos de audios |
| title_sort |
Deep learning aplicado a la generación de letras musicales en base a archivos de audios |
| dc.creator.none.fl_str_mv |
Deza Pasquale, Camila Teresa |
| author |
Deza Pasquale, Camila Teresa |
| author_facet |
Deza Pasquale, Camila Teresa |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Duboue, Pablo Ariel |
| purl_subject.fl_str_mv |
https://purl.org/becyt/ford/6.4 https://purl.org/becyt/ford/1.2 |
| dc.subject.none.fl_str_mv |
Redes neuronales Creatividad computacional Generación de lenguaje natural Inteligencia artificial Música Emoción |
| topic |
Redes neuronales Creatividad computacional Generación de lenguaje natural Inteligencia artificial Música Emoción |
| dc.description.none.fl_txt_mv |
Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados, 2025. Fil: Deza Pasquale, Camila Teresa. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. El avance del poder computacional ha permitido desarrollar algoritmos y trabajar con datos más complejos, que sin dicho avance, sería imposible implementar. Esto llevó a objetivos más ambiciosos como la creatividad de las máquinas, lo complejo que resulta el tópico de la creatividad y cómo evaluarla. En este presente trabajo, con un audio dado y sus características, como el tempo, los acordes, la progresión armónica, el tono, etc. queremos adentrarnos en el mundo de la creatividad computacional, generando a partir de ellos, estribillos de canciones. En la “Introducción” exploramos la relación entre las características que pueden presentar la música y las emociones con las que están frecuentemente relacionados, como por ejemplo, que un tempo rápido y poco variable está relacionado con algo “feliz” mientras que un tempo lento con algo “triste”. Luego definimos los objetivos de esta tesis, el cual el principal es generar un estribillo a partir de un archivo de audio. Si nos dirigimos a lo específico, pretendemos lograr que el estribillo generado sea acorde a la música, es decir, una música triste nos debería ayudar a generar un estribillo triste. En el Marco Teórico explicamos las herramientas, algoritmos y consideraciones disponibles hoy en día, que pensamos que pueden ser útiles para el logro de los objetivos planteados. Desde lo elemental de que es una red neuronal, pasando por los diferentes tipos que existen y que nos ayudan a modelar, así también como forma de inicializarlas, regularizarlas, funciones de costos y activación así también de cómo se optimizan y las dificultades que podemos encontrar en el proceso con los gradientes, entre otros aspectos. En ‘Evaluación’ definimos cómo evaluaremos esta tesis y de qué herramientas nos valdremos para ello. En la siguiente parte describiremos la arquitectura del tipo Encoder-Decoder que vamos a utilizar, así como las características particulares de dicha implementación. Luego hablaremos de la metodología, como se han procesado tanto el audio como las letras y también por otro lado, el hardware utilizado para su entrenamiento. Finalmente, presentaremos los resultados obtenidos con dicha arquitectura, a que conclusiones nos lleva y el trabajo que se podría realizar en el futuro para obtener mejores resultados. Fil: Deza Pasquale, Camila Teresa. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. |
| description |
Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados, 2025. |
| publishDate |
2025 |
| dc.date.none.fl_str_mv |
2025 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/masterThesis info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_bdcc info:ar-repo/semantics/tesisDeMaestria |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11086/562933 |
| url |
http://hdl.handle.net/11086/562933 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Repositorio Digital Universitario (UNC) instname:Universidad Nacional de Córdoba instacron:UNC |
| reponame_str |
Repositorio Digital Universitario (UNC) |
| collection |
Repositorio Digital Universitario (UNC) |
| instname_str |
Universidad Nacional de Córdoba |
| instacron_str |
UNC |
| institution |
UNC |
| repository.name.fl_str_mv |
Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba |
| repository.mail.fl_str_mv |
oca.unc@gmail.com |
| _version_ |
1880393160652226560 |
| score |
12.823554 |