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
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/562933

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