Sintetizador de audio evolutivo con modulación en frecuencia
- Autores
- Acosta, Mariano Leonel
- Año de publicación
- 2016
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La síntesis sonora en el ámbito de la producción musical es una tarea ardua y requiere de experiencia previa. Resulta de gran utilidad obtener un sistema automático que aprenda a reecrear sonidos a partir de un timbre deseado. En este trabajo se presenta un modelo computacional implementado en Matlab®, utilizando técnicas de modulación en frecuencia, análisis espectral y ajuste de parámetros mediante algoritmos genéticos, capaz de autoconfigurarse para imitar un archivo de audio precargado. Se muestra a modo de ejemplo la recreación exitosa de un piano acústico. Este método demuestra ser un punto de partida viable para el desarrollo de futuras aplicaciones comerciales. Sin embargo, todavía es necesario mejorar la velocidad de convergencia del algoritmo y evaluar nuevas técnicas a utilizar para el cálculo del fitness.
Trabajos de Cátedra.
Sociedad Argentina de Informática e Investigación Operativa (SADIO) - Materia
-
Ciencias Informáticas
síntesis sonora
sistema automático
algoritmos genéticos - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by/3.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/58196
Ver los metadatos del registro completo
| id |
SEDICI_1126dd047bbbf7fa53d569c65bef5237 |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/58196 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Sintetizador de audio evolutivo con modulación en frecuenciaAcosta, Mariano LeonelCiencias Informáticassíntesis sonorasistema automáticoalgoritmos genéticosLa síntesis sonora en el ámbito de la producción musical es una tarea ardua y requiere de experiencia previa. Resulta de gran utilidad obtener un sistema automático que aprenda a reecrear sonidos a partir de un timbre deseado. En este trabajo se presenta un modelo computacional implementado en Matlab®, utilizando técnicas de modulación en frecuencia, análisis espectral y ajuste de parámetros mediante algoritmos genéticos, capaz de autoconfigurarse para imitar un archivo de audio precargado. Se muestra a modo de ejemplo la recreación exitosa de un piano acústico. Este método demuestra ser un punto de partida viable para el desarrollo de futuras aplicaciones comerciales. Sin embargo, todavía es necesario mejorar la velocidad de convergencia del algoritmo y evaluar nuevas técnicas a utilizar para el cálculo del fitness.Trabajos de Cátedra.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2016-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf341-350http://sedici.unlp.edu.ar/handle/10915/58196spainfo:eu-repo/semantics/altIdentifier/url/http://45jaiio.sadio.org.ar/sites/default/files/EST-1895.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7615info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T10:29:34Zoai:sedici.unlp.edu.ar:10915/58196Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 10:29:34.62SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Sintetizador de audio evolutivo con modulación en frecuencia |
| title |
Sintetizador de audio evolutivo con modulación en frecuencia |
| spellingShingle |
Sintetizador de audio evolutivo con modulación en frecuencia Acosta, Mariano Leonel Ciencias Informáticas síntesis sonora sistema automático algoritmos genéticos |
| title_short |
Sintetizador de audio evolutivo con modulación en frecuencia |
| title_full |
Sintetizador de audio evolutivo con modulación en frecuencia |
| title_fullStr |
Sintetizador de audio evolutivo con modulación en frecuencia |
| title_full_unstemmed |
Sintetizador de audio evolutivo con modulación en frecuencia |
| title_sort |
Sintetizador de audio evolutivo con modulación en frecuencia |
| dc.creator.none.fl_str_mv |
Acosta, Mariano Leonel |
| author |
Acosta, Mariano Leonel |
| author_facet |
Acosta, Mariano Leonel |
| author_role |
author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas síntesis sonora sistema automático algoritmos genéticos |
| topic |
Ciencias Informáticas síntesis sonora sistema automático algoritmos genéticos |
| dc.description.none.fl_txt_mv |
La síntesis sonora en el ámbito de la producción musical es una tarea ardua y requiere de experiencia previa. Resulta de gran utilidad obtener un sistema automático que aprenda a reecrear sonidos a partir de un timbre deseado. En este trabajo se presenta un modelo computacional implementado en Matlab®, utilizando técnicas de modulación en frecuencia, análisis espectral y ajuste de parámetros mediante algoritmos genéticos, capaz de autoconfigurarse para imitar un archivo de audio precargado. Se muestra a modo de ejemplo la recreación exitosa de un piano acústico. Este método demuestra ser un punto de partida viable para el desarrollo de futuras aplicaciones comerciales. Sin embargo, todavía es necesario mejorar la velocidad de convergencia del algoritmo y evaluar nuevas técnicas a utilizar para el cálculo del fitness. Trabajos de Cátedra. Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
| description |
La síntesis sonora en el ámbito de la producción musical es una tarea ardua y requiere de experiencia previa. Resulta de gran utilidad obtener un sistema automático que aprenda a reecrear sonidos a partir de un timbre deseado. En este trabajo se presenta un modelo computacional implementado en Matlab®, utilizando técnicas de modulación en frecuencia, análisis espectral y ajuste de parámetros mediante algoritmos genéticos, capaz de autoconfigurarse para imitar un archivo de audio precargado. Se muestra a modo de ejemplo la recreación exitosa de un piano acústico. Este método demuestra ser un punto de partida viable para el desarrollo de futuras aplicaciones comerciales. Sin embargo, todavía es necesario mejorar la velocidad de convergencia del algoritmo y evaluar nuevas técnicas a utilizar para el cálculo del fitness. |
| publishDate |
2016 |
| dc.date.none.fl_str_mv |
2016-09 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/58196 |
| url |
http://sedici.unlp.edu.ar/handle/10915/58196 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://45jaiio.sadio.org.ar/sites/default/files/EST-1895.pdf info:eu-repo/semantics/altIdentifier/issn/2451-7615 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/3.0/ Creative Commons Attribution 3.0 Unported (CC BY 3.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by/3.0/ Creative Commons Attribution 3.0 Unported (CC BY 3.0) |
| dc.format.none.fl_str_mv |
application/pdf 341-350 |
| dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
| reponame_str |
SEDICI (UNLP) |
| collection |
SEDICI (UNLP) |
| instname_str |
Universidad Nacional de La Plata |
| instacron_str |
UNLP |
| institution |
UNLP |
| repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
| repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
| _version_ |
1868981854571331584 |
| score |
13.334379 |