Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/10923/26941
Tipo: | Monografia |
Título: | Modelo transformer codificador-decodificador para geração de acompanhamento musical com base em uma melodia de entrada |
Autor(es): | Frantz, Renan |
Orientador: | Silva, Rafael Scopel |
Fecha de Publicación: | 2024 |
Palabras clave: | INTELIGÊNCIA ARTIFICIAL APRENDIZADO DE MÁQUINA TRANSFORMERS MÚSICA MELODIA ACOMPANHAMENTOS MODELOS GENERATIVOS APRENDIZADO PROFUNDO ARTIFICIAL INTELLIGENCE MACHINE LEARNING TRANSFORMERS MUSIC MELODY ACCOMPANIMENTS GENERATIVE MODELS DEEP LEARNING |
Resumen: | Neste artigo, exploramos a criação de um modelo generativo baseado em transformers para criar acompanhamentos com base em uma melodia. Primeiro, analisamos a motivação para criação deste, então, exploramos a bibliografia existente e trabalhos nos quais nos baseamos. A partir disto, vemos como o desenvolvimento deste modelo será conduzido e quais recursos serão necessários para isto. Por fim, analisamos os resultados e fazemos comparações entre os diferentes modelos treinados. Os modelos finais faltaram com performance pela limitação dos dados, mas funcionam em situações especificas. In this article, we explore the creation of a generative model based on transformers for creating accompaniments based on a base melody. First, we analyse the motivation for creating this tool, then, we explore the bibliography surrounding the subject and the existing work we will be basing ourselves in. With that, we will see how the development of this model will be conducted, and what resources are necessary for it. Finally, we analyze the results and make comparisons between the different trained models. The final models lack performance due to a low quantity of data, but work in specific situations |
URI: | https://hdl.handle.net/10923/26941 |
Aparece en las colecciones: | TCC Ciência da Computação
|
Todos los ítems en el Repositorio de la PUCRS están protegidos por derechos de autor, con todos los derechos reservados, y están bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional. Sepa más.