Estudio de técnicas basadas en deep learning para la composición musical.

Abadías Puyuelo, Jorge
Beltrán Blázquez, José Ramón (dir.) ; Hernández Oliván, Carlos (dir.)

Universidad de Zaragoza, EINA, 2022
Departamento de Ingeniería Electrónica y Comunicaciones, Área de Tecnología Electrónica

Graduado en Ingeniería de Tecnologías Industriales

Resumen: Generar una obra artística como una composición musical puede adquirir una magnitud de complejidad tan grande como ambicioso sea el creador. Más aún, cuando esta creación viene generada de forma automática por parte de métodos algorítmicos como puedan ser los involucrados en una inteligencia artificial. Cada vez son más populares modelos basados en deep learning capaces de realizar este tipo de composiciones. Sin embargo, estos modelos generativos requieren solventar aquellas facultades creativas propias de un ámbito en el que se involucra al arte, concretamente, en la composición musical. Es aquí donde toma valor el presente trabajo, ya que se ha llevado a cabo un estudio de cuatro modelos músico-generativos basados en deep learning que ha permitido extraer conclusiones tales como: el modelo menos distinguible de un humano ha resultado ser DeepBach (pues consigue imitar mejor el estilo de música para el que ha sido pensado), la música multi-instrumental logra peores resultados compositivos según
el criterio humano o que el modelo Music Transformer tiene un porcentaje elevado de coincidencia respecto a la música que desea imitar según métricas objetivas.
Para llegar a ellas, en este trabajo se introduce al estado del arte de la composición musical basada en deep learning, se han elegido cuatro modelos populares en estecampo y se ha realizado una evaluación subjetiva y objetiva de cada uno de ellos con su correspondiente análisis de los resultados.

Tipo de Trabajo Académico: Trabajo Fin de Grado