SONGTRACK : transcrição automatizada de partituras musicais
Resumo
Resumo : Este trabalho apresenta o desenvolvimento de uma aplicação baseada em Python para a transcrição de partituras musicais a partir de arquivos de música. O sistema utiliza bibliotecas como Demucs e Librosa com a finalidade de separar fontes de áudio de uma música, criar partituras musicais, além de processar arquivos MIDI. O sistema também utiliza o Flet como ferramenta para o desenvolvimento de interfaces do usuário. Procuramos ajudar músicos, produtores e pesquisadores a interagir com a música de forma mais eficiente. Para isso, exploramos os fundamentos teóricos e as aplicações práticas do tema, abordando a separação de trilhas de áudio e o processamento de diferentes sinais. A conclusão deste trabalho destaca que a aplicação desenvolvida conseguiu atingir os objetivos propostos, proporcionando uma ferramenta útil e intuitiva para a transcrição de partituras e manipulação de sinais musicais, embora ainda existam desafios e oportunidades para aprimoramento, especialmente no que tange à precisão da classificação das notas musicais e à eficiência no processamento dos sinais de áudio. Abstract : This work presents the development of a Python-based application for transcribing musical scores from music files. The system uses libraries such as Demucs and Librosa to separate audio sources from a song, create musical scores, and process MIDI files. The system also utilizes Flet as a tool for developing user interfaces. We seek to help musicians, producers, and researchers interact with music more efficiently. To achieve this, we explore the theoretical foundations and practical applications of the subject, addressing the separation of audio tracks and the processing of different signals. The conclusion of this work highlights that the developed application successfully met the proposed objectives, providing a useful and intuitive tool for score transcription and signal manipulation, although there are still challenges and opportunities for improvement, particularly in the accuracy of note classification and the efficiency of signal processing