Soluções de aprendizado de máquina para geração de música instrumental (2025)
- Authors:
- Autor USP: SCOCCA, LUCAS DE SANTANA - EP
- Unidade: EP
- Sigla do Departamento: PSI
- Subjects: APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; MÚSICA COMPUTACIONAL
- Agências de fomento:
- Language: Português
- Abstract: Por conta de sua capacidade de gerar imagens, sons e textos realistas para os humanos, diferentes soluções de inteligência artificial (IA) têm sido cada vez mais exploradas para a geração de arte, inclusive com aplicações comerciais. Nesta dissertação de mestrado, foram desenvolvidos modelos de diferentes estruturas de aprendizado de máquina, como Redes Neurais Adversárias Gerativas (Generative Adversarial Networks – GANs), Autocodificadores Variacionais (Variational Autoencoders – VAEs), e redes do tipo Memória de Curto Longo Prazo (Long Short-Term Memory – LSTM) utilizando Processamento de Linguagem Natural (Natural Language Processing – NLP) para compor músicas instrumentais. Os modelos foram treinados utilizando formato matricial próprio, em que cada música é uma matriz de notas. Como banco de dados, foram utilizadas músicas para piano dos compositores Bach, Mozart e Chopin. Para avaliar os resultados, foi realizada uma pesquisa de opinião em que participantes classificaram trechos musicais gerados a partir de músicas de Bach pelos modelos propostos e os compararam com músicas provenientes de outras abordagens, incluindo um modelo documentado na literatura, outro encontrado em repositórios públicos e uma composição original de Bach. Os resultados indicaram que, embora a música original de Bach tenha sido a mais bem avaliada em média, 22,58% dos participantes avaliaram a música gerada pelo modelo de GAN convolucional proposto neste trabalho como a melhor, evidenciando o potencial do uso de IA na composição musical e a capacidade do modelo proposto de produzir resultados considerados satisfatórios por ouvintes humanos. As abordagens propostas neste trabalho foram preferidas, de forma subjetiva, pelos participantes da pesquisa de opinião em relação às soluções da literatura utilizadas para comparação.
- Imprenta:
- Data da defesa: 24.04.2025
-
ABNT
SCOCCA, Lucas de Santana. Soluções de aprendizado de máquina para geração de música instrumental. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/3/3142/tde-10112025-110321/. Acesso em: 10 mar. 2026. -
APA
Scocca, L. de S. (2025). Soluções de aprendizado de máquina para geração de música instrumental (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/3/3142/tde-10112025-110321/ -
NLM
Scocca L de S. Soluções de aprendizado de máquina para geração de música instrumental [Internet]. 2025 ;[citado 2026 mar. 10 ] Available from: https://teses.usp.br/teses/disponiveis/3/3142/tde-10112025-110321/ -
Vancouver
Scocca L de S. Soluções de aprendizado de máquina para geração de música instrumental [Internet]. 2025 ;[citado 2026 mar. 10 ] Available from: https://teses.usp.br/teses/disponiveis/3/3142/tde-10112025-110321/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
