Separación de fuentes auditivas para pedagogía musical

Harmonics espera apoyar a la pedagogía musical, ofreciendo un producto concreto con el cual los interesados en aprender a tocar un instrumento puedan practicar. Se entrenó un modelo para identificar y aislar las pistas singulares de una canción, por medio de TensorFlow y herramientas para realizar la separación de fuentes auditivas y producir partituras genuinas, basadas en un algoritmo de transcripción musical (para pianos, bajos, batería y voz, específicamente), que los principiantes puedan visualizar, editar y descargar (en formatos .PDF y .MIDI), ajustándose a su ritmo de práctica. Se consideraron tres métodos de separación de fuentes, bajo las siguientes restricciones: emplear una única canción como archivo de entrada, que ésta fuera moderadamente compleja (compuesta por un conjunto de entre tres y seis instrumentos) y que la cantidad de muestras –canciones compuestas por instrumentos relevantes y pistas de cada instrumento por separado– aptas para el entrenamiento del modelo, sean sumamente escasas.

• Autores: Lancheros Molano, Randy Darrell; Triana Perez, Juan Sebastián; Castañeda Chaparro, Juan Felipe; Gutiérrez Naranjo, Felipe Andrés; Rueda Olarte, Andrea del Pilar
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2021
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• Idioma: spa
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/26460
• Acceso en línea: http://hdl.handle.net/20.500.12749/26460; https://doi.org/10.29375/25392115.4151
• Palabra clave: Aprendizaje de máquina; Separación de fuentes auditivas; Generación de partituras; Aplicación web; Machine learning; Sound source separation; Sheet music generation; Web application
• License: http://purl.org/coar/access_right/c_abf2