Se presenta un método para la localización de múltiples fuentes acústicas utilizando un conjunto de micrófonos tetraédrico y una red neuronal convolucional (CNN). Nuestro método presenta un enfoque novedoso para la estimación de la dirección de llegada de la fuente acústica (DoA), tanto en azimut como en elevación, utilizando un conjunto de micrófonos no coplanares. En nuestro enfoque, utilizamos la componente de fase de la transformada de Fourier de corto tiempo (STFT) de las señales del conjunto de micrófonos como característica de entrada para la CNN y un mapa de densidad de probabilidad de DoA como objetivo de entrenamiento. Nuestros hallazgos implican que nuestro método supera a los métodos actualmente disponibles para la estimación de DoA de múltiples fuentes de sonido en términos de precisión y velocidad.