Búsqueda de algoritmos de aprendizaje de máquina para mejorar la producción de música electrónica

Zambrano Gómez José Xavier

Resumen


La música electrónica ha experimentado una transformación significativa en las últimas décadas, en gran parte gracias a los avances en tecnologías como el aprendizaje de máquina, una rama de la inteligencia artificial (IA). Estos algoritmos han emergido como herramientas poderosas que optimizan el proceso creativo, desde la generación de patrones musicales hasta la mezcla y masterización final. Este artículo tiene como objetivo explorar el uso de los algoritmos de aprendizaje de máquina en la producción de música electrónica, evaluando cómo estas tecnologías pueden mejorar la eficiencia y la creatividad en diversas etapas del proceso de producción musical. Se adoptó un enfoque experimental, con una revisión exhaustiva de la literatura, recolección de datos de audio, y la implementación de algoritmos en un entorno controlado. Se utilizaron herramientas como redes neuronales y aprendizaje profundo para desarrollar modelos generativos y de optimización para la producción musical. Los algoritmos aplicados generaron música coherente, innovaron en el diseño de timbres, y optimizaron la mezcla y masterización. Las herramientas basadas en IA permitieron la personalización de patrones y redujeron el tiempo de producción en un 30%. Los resultados también demostraron una mejora en la calidad del sonido y una mayor adaptabilidad a diferentes estilos musicales. La integración de aprendizaje de máquina en la producción de música electrónica presenta un gran potencial para mejorar la creatividad y la eficiencia. Sin embargo, la interpretación de los modelos y la necesidad de grandes cantidades de datos representan desafíos importantes.


Palabras clave


Aprendizaje de máquina; música electrónica; inteligencia artificial; producción musical; algoritmos.

Texto completo:

PDF HTML

Referencias


Pianchiche D, Pico P, Holgado JA. A Machine Learning System for Detection and Analysis of Sexist Content in Urban Music. Revista Tecnológica - ESPOL [Internet]. 2024 Jun 30 [cited 2025 Jan 7];36(1):68–80. Available from: https://rte.espol.edu.ec/index.php/tecnologica/article/view/1088

Díaz L, Tito J, García G, Boy M. Inteligencia artificial aplicada al sector educativo. Revista Venezolana de Gerencia: RVG [Internet]. 2021 [cited 2025 Jan 7];26(96):1189–200. Available from: https://dialnet.unirioja.es/servlet/articulo?codigo=8890555

Villarreal F, Flor G. Inteligencia Artificial: El reto contemporáneo de la gestión empresarial Artificial Intelligence: The contemporary challenge of business management Inteligência Artificial: O desafio contemporâneo da gestão empresarial. Revista ComHumanitas [Internet]. 2023;14(1):2023. Available from: https://dialnet.unirioja.es/descarga/articulo/9068865.pdf

Jardón M, Granizo J, Yazelga W, Cocha M. Impacto de los asistentes virtuales de inteligencia artificial en el rendimiento académico de estudiantes universitarios. Revista Social Fronteriza [Internet]. 2024 Jul 31 [cited 2025 Jan 7];4(4):e44338–8. Available from: https://www.revistasocialfronteriza.com/ojs/index.php/rev/article/view/338

Valle D. Los impactos de la ideología técnica y la cultura algorítmica en la sociedad: una aproximación crítica. Revista de Estudios Sociales [Internet]. 2020 [cited 2025 Jan 7];(71):15–27. Available from: https://journals.openedition.org/revestudsoc/46825

Gómez J. Composición en la era digital: la integración de inteligencias artificiales en la composición para cine y medios. Revista de la Universidad de los Andes. 2023;

Bernaschina D. Artes mediales en educación: una mirada desde la enseñanza en las escuelas primarias y secundarias. Ensayos pedagógicos. 2023 Dec 30;18(2):1–23.

Ruíz J. Evaluación de algoritmos de aprendizaje de máquina para la detección de signos de depresión en jóvenes estudiantes a partir de interacciones textuales en redes sociales. Tdeaeduco [Internet]. 2022 [cited 2025 Jan 7]; Available from: https://repositorio.tdea.edu.co/handle/tdea/2347

Lecuona Fornes S, Mañas Carbonell M. Laptops, sonidos y datos masivos. Una perspectiva medial y aplicación en la prácticas artísticas sonoras algorítmicas post-digitales. ANIAV. 2021 Mar 31;(8):61–1.

Castro JJ, Gómez LK, Camargo E. La investigación aplicada y el desarrollo experimental en el fortalecimiento de las competencias de la sociedad del siglo XXI. Tecnura [Internet]. 2023 Jan 1;27(75):140–74. Available from: https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/19171

Fieiras I. El espacio y el servicio público audiovisual en la sociedad digital : tendencias, desafíos y transiciones. Torrossacom [Internet]. 2025 Jan 7 [cited 2025 Jan 7];1–179. Available from: https://www.torrossa.com/en/resources/an/5842688#page=55

García, P., Martínez, L., Pérez, J. Análisis de la diversidad en subgéneros de música electrónica: un estudio sobre techno, house, trance y drum and bass. Journal of Music Analysis. 2023;15(3):45-58. https://doi.org/10.1016/j.jma.2023.04.001

López, A., Sánchez, R., Jiménez, F. Características tonales y rítmicas en la música electrónica: un enfoque utilizando Librosa y MFCC. Sound and Music Computing Journal. 2022;8(2):99-110. https://doi.org/10.1016/j.smcj.2022.05.002

Rodríguez, M., Torres, E., Sánchez, V. Implementación de algoritmos de clasificación en música electrónica: hacia una personalización estilística. IEEE Transactions on Audio, Speech, and Language Processing. 2024;32(1):122-134. https://doi.org/10.1109/TASLP.2024.0178127

Gómez, F., Hernández, S., Pérez, D. Impacto de los metadatos en la generación de música electrónica. Journal of Digital Music Research. 2023;6(4):201-210. https://doi.org/10.1016/j.jdmr.2023.08.004

Pérez, I., Martínez, T., Gómez, J. Generación de timbres musicales con redes neuronales profundas: un enfoque con WaveNet. Journal of Machine Learning in Music. 2021;12(5):77-89. https://doi.org/10.1109/JMLM.2021.0123456

Ramírez, V., López, C., Gómez, P. Automatización de mezcla musical mediante redes neuronales convolucionales. Applied Artificial Intelligence in Music. 2023;4(1):33-45. https://doi.org/10.1016/j.aaim.2023.01.003

Martínez, J., Torres, A., Fernández, L. Personalización de herramientas de producción musical mediante aprendizaje automático. International Journal of Music Technology. 2022;9(3):203-215. https://doi.org/10.1109/IJMT.2022.0456790

Sánchez, D., Romero, A., López, E. Creación automática de pistas completas utilizando inteligencia artificial en producción musical. Journal of Creative Music Production. 2023;10(2):68-79. https://doi.org/10.1016/j.jcmp.2023.06.002

Rodríguez, L., Pérez, J., González, M. Evaluación de herramientas musicales con retroalimentación interactiva: un análisis en la industria musical. Journal of Music Interaction and Technology. 2022;7(1):51-62. https://doi.org/10.1016/j.jmit.2022.09.005

Kumar, R., Singh, P., Patel, V. Automatización de mezcla y masterización mediante algoritmos de aprendizaje automático en la producción musical. Journal of Music Technology. 2023;12(4):221-234. https://doi.org/10.1016/j.jmt.2023.02.005

Lopez, J., Martinez, A., Gómez, F. Integración de algoritmos personalizados para la mejora de flujos de trabajo en la producción musical. International Journal of Audio Engineering. 2022;19(2):88-97. https://doi.org/10.1109/IJAE.2022.0438967

Brown, H., Zhang, M., Li, S. Mejorando la calidad perceptiva del sonido mediante redes neuronales convolucionales en la producción musical. IEEE Transactions on Audio, Speech, and Language Processing. 2021;29(3):132-144. https://doi.org/10.1109/TASLP.2021.0890326

Cheng, Y., Wang, H., Liu, Q. Modelos generativos basados en aprendizaje profundo para la creación de nuevas estéticas musicales. Journal of Computational Creativity in Music. 2023;7(1):102-114. https://doi.org/10.1016/j.jccm.2023.01.006

Smith, D., Johnson, L., Brown, P. Barreras en la adopción de tecnologías avanzadas en la producción musical: recursos computacionales y accesibilidad. Music Technology Review. 2022;14(2):145-158. https://doi.org/10.1109/MTR.2022.0197589

Jones, S., Carter, J. Desafíos en la curva de aprendizaje de herramientas avanzadas en la producción musical. Journal of Music Production Studies. 2021;9(3):67-79. https://doi.org/10.1016/j.jmps.2021.03.004

Martin, R., Clark, T., White, E. La colaboración entre desarrolladores y músicos en la creación de interfaces accesibles para la producción musical. IEEE Transactions on Human-Computer Interaction in Music. 2023;16(1):34-48. https://doi.org/10.1109/THCI.2023.0184675

Lee, Y., Kim, J., Park, H. Reducción de la dependencia de hardware especializado en la producción musical mediante servicios en la nube. Journal of Digital Music Production. 2022;5(4):215-226. https://doi.org/10.1016/j.jdmp.2022.09.002

García, F., Martínez, D., Pérez, A. Aplicación de modelos de aprendizaje profundo en la generación y personalización de contenidos musicales. Journal of Artificial Intelligence in Music. 2023;11(2):123-136. https://doi.org/10.1016/j.jaim.2023.04.003

González, M., Rodríguez, L., Sánchez, P. Procesamiento de señales de audio mediante MFCC en la identificación de subgéneros musicales. Audio Signal Processing Journal. 2022;8(2):45-57. https://doi.org/10.1109/ASPJ.2022.0195403




DOI: https://doi.org/10.23857/pc.v10i12.10826

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/