Smart Audio Equalizer

Abstract

En la actualidad, las personas suelen escuchar música en diferentes dispositivos, tales como teléfonos inteligentes, altavoces portátiles o sistemas de infotenimiento en automóviles. Sin embargo, algunas desconocen que estos dispositivos ya vienen equipados con ecualizadores de audio integrados, mientras que otros no saben cómo ajustarlos para obtener la mejor calidad de audio y mejorar la experiencia auditiva. En este proyecto de tesis, se propone una forma inteligente de ecualización de audio mediante inteligencia artificial. Se aplican automáticamente configuraciones preestablecidas de ecualización según el género musical que es determinado por un algoritmo. Se analizaron y compararon dos tipos de ecualizadores. Luego, se creó una aplicación en Matlab como prueba de concepto para demostrar las ventajas de estos ecualizadores y para implementar un proceso de etiquetado automático que utiliza técnicas de Recuperación de Información Musical (MIR) y un modelo de Red Neuronal Convolucional (CNN) incluido en la biblioteca Essentia. Los resultados del etiquetado se analizaron y discutieron para evaluar el rendimiento del modelo de aprendizaje profundo de Essentia, que se incorporó en la aplicación. En el futuro, este modelo podría entrenarse con diferentes conjuntos de datos que incluyan más géneros musicales, lo que mejoraría su funcionalidad. Además, podría implementarse en un dispositivo integrado utilizando soluciones de código abierto como Android Auto, para emular un sistema integrado como el de un sistema de infotenimiento en un automóvil.