Clasificación de género musical en tiempo real

Abstract

[ES] L'auge de la industrialització en el sector audiovisual i d'espectacles en viu ha generat noves necessitats que poden ser abordades mitjançant solucions basades en intel·ligència artificial. En aquest context, es proposa la creació d'un model d'intel·ligència artificial per a la classificació de gènere musical en temps real, que permetrà a diversos sistemes recomanar accions que milloren la qualitat de l'espectacle en directe, optimitzant així l'experiència de l'usuari i l'eficiència operativa.

Actualment, existeixen models que permeten classificar el gènere musical basant-se en la totalitat d'una cançó. No obstant això, aquest projecte se centra a desenvolupar un model capaç d'identificar i categoritzar el gènere musical a partir d'un streaming d'àudio en temps real, amb la màxima precisió possible. El projecte consistirà a desenvolupar un model capaç de realitzar classificacions precises i ràpides de streaming d'àudio, sotmetent-lo a múltiples proves i ajustos basats en els resultats experimentals obtinguts.

Les aplicacions pràctiques són àmplies, a la indústria audiovisual des de l'optimització de concerts i festivals fins a la personalització en emissores de ràdio i plataformes de música en streaming, proporcionant dades valuoses sobre les preferències musicals dels consumidors. Als espectacles en directe les capacitats del model permetran ajustos sincronitzats d'elements com la il·luminació, efectes visuals i so, resultant en una experiència més immersiva i personalitzada per a l'audiència. A més, aquest model pot integrar-se en sistemes de plataformes, oferint recomanacions en temps real basades en les preferències musicals de l'usuari i obrint noves oportunitats per a la monetització i el màrqueting dirigit.

[EN] The rise of industrialization in the audiovisual and live entertainment sectors has generated new needs that can be addressed through artificial intelligence-based solutions. In this context, the creation of an artificial intelligence model for real-time music genre classification is proposed, which will allow various systems to recommend actions that improve the quality of live performances, thereby optimizing user experience and operational efficiency.

Currently, there are models that can classify music genres based on an entire song. However, this project focuses on developing a model capable of identifying and categorizing music genres from real-time audio streaming, with the highest possible accuracy. The project will involve developing a model capable of performing precise and fast classifications of audio streaming, subjecting it to multiple tests and adjustments based on the experimental results obtained.

Practical applications are extensive, in the audiovisual industry from the optimization of concerts and festivals to personalization in radio stations and music streaming platforms, providing valuable data on consumer musical preferences. In live shows, the model's capabilities will allow synchronized adjustments of elements such as lighting, visual effects, and sound, resulting in a more immersive and personalized experience for the audience. Additionally, this model can be integrated into platform systems, offering real-time recommendations based on user musical preferences and opening new opportunities for monetization and targeted marketing.