Generador de melodías mediante redes neuronales

Abstract

Este proyecto de Trabajo de Fin de Grado ha logrado desarrollar un modelo de redes neuronales basado en la arquitectura C-RNN-GAN para la generación de música artificial. A través del entrenamiento y ajuste de hiperparámetros, el modelo ha demostrado una reducción significativa en la pérdida y ha sido capaz de generar muestras de música originales y diversas.

Se ha realizado una comparación entre en modelo original y los modelos obtenidos mediante la variación de hiperparámetros e introducción de nuevas funciones, para obtener el modelo óptimo. Para ello se han utilizado métricas como la función de pérdida, tiempos de ejecución, matriz de confusión y métricas de precisión.

Los resultados obtenidos demostraron que el modelo final fue capaz de generar música de calidad y obtener resultados prometedores en las métricas evaluadas. Comparado con otros modelos, dicho modelo mostró una reducción significativa en la pérdida y resultados similares en las métricas de precisión.

Incluye la elaboración de una aplicación web desarrollada utilizando Angular que proporciona una interfaz de usuario intuitiva y amigable para que los usuarios interactúen con el modelo y generen sus propias muestras de música, que pueden ser escuchadas o guardadas.

Además, se han implementado varias APIs que permite la integración del modelo con una base de datos MYSQL y servicios de conversión de archivos. La aplicación web también ofrece funciones adicionales, como la conversión de las muestras generadas a diferentes formatos de audio.

This Final Degree Project has managed to develop a neural network model based on the C-RNN-GAN architecture for the generation of artificial music. Through hyperparameter adjusting and training, the model has shown a significant reduction in loss and has been able to generate original and diverse music samples.

A comparison has been made between the original model and the models obtained by varying hyperparameters and introducing new functions, to obtain the optimal model. For this, metrics such as the loss function, execution times, confusion matrix and precision metrics have been used.

The results obtained showed that the final model was capable of generating quality music and obtaining promising results in the evaluated metrics. Compared to other models, this model showed a significant reduction in loss and similar results in precision metrics.

It includes the creation of a web application developed using Angular that provides an intuitive and friendly user interface for users to interact with the model and generate their own music samples, which can be listened to or saved..

In addition, several APIs have been implemented that allow the integration of the model with a MYSQL database and file conversion services. The web application also offers additional functions, such as the conversion of the generated samples to different audio formats.