TODOS OS DOCUMENTOS DESTA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEM.Ayres, Fábio JoséEller, Vinicius Grando2023-03-182023-03-182022https://repositorio.insper.edu.br/handle/11224/5406Um desafio que compositores enfrentam em suas carreiras, é o processo criativo para iniciar uma obra. Por meio de aprendizado profundo, este projeto tem como objetivo construir um modelo que seja capaz de gerar músicas, a partir de uma base de dados composta por um ritmo específico, possibilitando uma solução para o problema dos compositores. Com este propósito, o trabalho apresenta o necessário sobre teoria musical, para o fácil entendimento dos possíveis formatos de armazenamento e representação de arquivos digitais de áudio, o que resulta no uso do formato MIDI e sua conversão para a representação piano roll, que é facilmente vetorizada. O estudo tem sua fundação em duas bases de dados de estilos diferentes, uma composta por músicas do videogame gameboy, enquanto a outra base de dados é integralmente de músicas clássicas de um único compositor, Johann Sebastian Bach. Como existem diversos modelos que podem gerar música e o objetivo não é realizar um resumo, a análise será feita utilizando apenas duas classes diferentes de autoencoders: stacked e variational, além de desenvolver um modelo baseado em redes convolucionais. O encerramento do estudo comprova que é possível gerar musicais que respeitam a teoria musical, também sendo agradáveis ao ouvido humano. Sendo assim, a tecnologia pode ser futuramente utilizada para inovar o ramo musical, por meio da criação de novas obras ou pela quebra de momentos de dificuldade no processo criativo de um compositor.DigitalPortuguêsautoencoderAprendizado ProfundoMIDIgeração de músicapiano rollreportautoencodersDeep LearningMIDImusic generationpiano roll