Identificação de tonalidade musical utilizando redes neurais artificiais

Abstract

RESUMO: A análise e identificação de elementos musicais desempenham um papel fundamental na compreensão e classificação de músicas, sendo que a tonalidade musical é um aspecto importante da estrutura melódica e harmônica de uma música, influenciando sua sonoridade e expressividade. Neste cenário, o objetivo deste trabalho é explorar o uso de redes neurais para identificar a tonalidade musical de músicas que são formadas por uma determinada escala maior. Por meio da aplicação de técnicas de aprendizado de máquina, mais especificamente redes neurais, busco correlacionar dados musicais e seus respectivos tons para posteriormente treinar um modelo de rede neural para executar a tarefa de prever a tonalidade de músicas previamente nunca antes vista pelo modelo. Esta abordagem apresenta a vantagem de lidar com a complexidade e diversidade das características musicais, proporcionando uma análise mais precisa e automatizada. Embora existam diversos estudos e aplicações de redes neurais na área de processamento de áudio e música, a identificação da tonalidade musical por meio dessas técnicas ainda carece de uma quantidade significativa de referências e estudos específicos. Portanto, este trabalho se propõe a preencher essa lacuna explorando a eficácia das redes neurais nesse contexto. O modelo obtido conseguiu uma acurácia de 97,5% para um áudio não visto anteriormente na etapa de treinamento da rede neural. Além do modelo treinado, foi elaborado para o treinamento da rede neural o dataset que foi de grande importância e relevância para a concepção deste trabalho.

ABSTRACT: The analysis and identification of musical elements play a crucial role in understanding and categorizing music, with musical key being an important aspect of a song's melodic and harmonic structure, influencing its sound and expressiveness. In this context, the objective of this work is to explore the use of neural networks to identify the musical key of songs that are composed in a specific major scale. Through the application of machine learning techniques, specifically neural networks, I aim to correlate musical data and their respective keys to subsequently train a neural network model to predict the key of songs that have never been seen by the model before. This approach has the advantage of dealing with the complexity and diversity of musical features, providing a more precise and automated analysis. Although there are numerous studies and applications of neural networks in the field of audio processing and music, the identification of musical key through these techniques still lacks a significant amount of specific references and studies. Therefore, this work aims to fill this gap by exploring the effectiveness of neural networks in this context. The obtained model achieved an accuracy of 97.5% for audio that had not been seen previously during the neural network training phase.