Classificação de gênero musical utilizando características de arquivos de áudio

Abstract

Resumo: A automatização do processo de classificação de gênero musical apresenta diversos desafios, desde a captura de características de sinais digitais, até a definição de critérios objetivos que diferenciem gêneros. Este trabalho visa analisar tais desafios e avaliar a viabilidade de tal processo. Para isso, foram treinados modelos de aprendizado de máquina com um dataset extraído com técnicas de webscraping e transformações dos sinais obtidos para obtenção dos MFCCs. Os resultados foram moderados e atingiram até 75% de acurácia avaliando a moda dos resultados de trechos de um mesmo álbum. O código desenvolvido está disponível em: https://github.com/luis951/sound-similarity/

Abstract: The automation of the musical genre classification process presents several challenges, from capturing digital signal characteristics to defining objective criteria that differentiate genres. This work aims to analyze such challenges and evaluate the viability of such a process. For that, machine learning models were trained with a dataset extracted using webscraping techniques and transformations of the obtained signals to obtain the MFCCs. The results were moderate and reached up to an accuracy of 75% when evaluating the mode of results from samples from the same album. The developed code is available in: https://github.com/luis951/sound-similarity/