Le potenzialità dei modelli generativi nella creazione di spartiti musicali complessi restano oggi un campo poco esplorato. Per essere addestrati efficacemente, questi modelli necessitano di una base dati solida e ricca; tra i formati di musica simbolica, LilyPond si presta particolarmente al compito grazie alla sua espressività e verificabilità, ma i corpora nativi di coppie testo-codice in questo linguaggio sono ancora scarsi o di piccole dimensioni. In questo lavoro presentiamo LilyCorpus v1: una pipeline Python che, a partire dalle fonti di documentazione ufficiale di LilyPond, produce un dataset di coppie testo-codice per l'addestramento di un progetto copilot. La pipeline estrae i dati grezzi, ne raccoglie testo e metadati, normalizza e valida la compilabilità del codice, rimuove i duplicati e infine forma le coppie testo-codice, mantenendo tracciabilità completa per ogni record insieme a un lockfile e un seed che garantiscono determinismo e riproducibilità del processo. Il risultato è una pipeline riproducibile offline e un dataset pulito di oltre 4000 coppie testo-codice pronte per l'addestramento.
REALIZZAZIONE E VALUTAZIONE DI UN DATASET DI PARTITURE MUSICALI IN FORMATO LILYPOND.
GUOLO, DAVIDE
2025/2026
Abstract
Le potenzialità dei modelli generativi nella creazione di spartiti musicali complessi restano oggi un campo poco esplorato. Per essere addestrati efficacemente, questi modelli necessitano di una base dati solida e ricca; tra i formati di musica simbolica, LilyPond si presta particolarmente al compito grazie alla sua espressività e verificabilità, ma i corpora nativi di coppie testo-codice in questo linguaggio sono ancora scarsi o di piccole dimensioni. In questo lavoro presentiamo LilyCorpus v1: una pipeline Python che, a partire dalle fonti di documentazione ufficiale di LilyPond, produce un dataset di coppie testo-codice per l'addestramento di un progetto copilot. La pipeline estrae i dati grezzi, ne raccoglie testo e metadati, normalizza e valida la compilabilità del codice, rimuove i duplicati e infine forma le coppie testo-codice, mantenendo tracciabilità completa per ogni record insieme a un lockfile e un seed che garantiscono determinismo e riproducibilità del processo. Il risultato è una pipeline riproducibile offline e un dataset pulito di oltre 4000 coppie testo-codice pronte per l'addestramento.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi Davide Guolo.pdf
accesso aperto
Dimensione
5.89 MB
Formato
Adobe PDF
|
5.89 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/114214