| | --- |
| | 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 |
