Datasets:
language: es
tags:
- audio
- automatic-music-transcription
- music
- tensorflow
- basic-pitch
- pitch-estimation
license: apache-2.0
metrics:
- f1 (onset)
CornetAI Training Dataset: Dataset para el Fine-Tuning de Transcripción de Corneta Española
Este conjunto de datos ha sido desarrollado por Juan Francisco Morales Pérez como parte fundamental de su Trabajo de Fin de Grado en la Universidad de Almería (UAL). El dataset está diseñado específicamente para abordar la especialización de modelos de Transcripción Automática de Música (AMT) en instrumentos de viento-metal con características tímbricas complejas.
Contexto y Propósito Técnico
El objetivo principal de este recurso es facilitar el proceso de fine-tuning sobre el modelo agnóstico Basic Pitch, modelo AGNÓSTICO de transcripción automática musical (AMT). A través de este entrenamiento especializado, se busca optimizar la precisión del modelo en la detección de notas y tiempos (onsets) para la corneta española, enfocándose específicamente en su nivel introductorio, la tercera voz de corneta.
Composición del Dataset
El conjunto de datos consta de un total de 1070 archivos, organizados en pares de audio y anotación:
- Entradas de Audio (WAV): 535 archivos en formato Waveform Audio File Format destinados a las fases de entrenamiento y validación.
- Anotaciones de Referencia (MIDI): 535 archivos MIDI que actúan como ground-truth o verdad de referencia.
- Naturaleza de los Datos: El dataset presenta una estructura híbrida que combina muestras generadas de forma sintética mediante scripts de automatización con grabaciones reales, garantizando la robustez del modelo resultante frente a interpretaciones humanas.
Metodología de Procesamiento
La preparación de estos datos incluye configuraciones técnicas específicas para garantizar la compatibilidad con la arquitectura del transcriptor:
- Aumento de Datos: Se aplican técnicas de pitch shifting aleatorio y adición de ruido para mejorar la generalización del modelo.
- Validación: El sistema reserva una proporción de grabaciones reales para validar el rendimiento final, asegurando que la mejora en las métricas se traslade a condiciones de uso real.
Especificaciones Técnicas
| Parámetro | Valor |
|---|---|
| Frecuencia de Muestreo | 22050 Hz |
| Métrica Principal | F-measure sin desplazamiento ($F_{no}$) |
| Instrumento Objetivo | Corneta Española (Tercera Voz) |
Institución: Universidad de Almería (UAL)
Grado: Ingeniería Informática
Curso Académico: 2025/2026