Tiimi
Lars Løberg Monstad
Toimitusjohtaja ja perustajajäsen
Lars on erittäin taitava koneoppimisen insinööri ja full stack -kehittäjä, joka on erikoistunut musiikin tiedonhakuun. Hän on julkaissut useita artikkeleita alalta ja kehittänyt edistyneitä tekoälymalleja musiikin analysointiin ja nuotinnukseen. Toimitusjohtajana ja perustajajäsenenä hän ohjaa yrityksen visiota ja tuotestrategiaa yhdistäen syvän teknisen osaamisen yrittäjähenkiseen johtajuuteen.
Dr. Olivier Lartillot
Tiedejohtaja ja perustajajäsen
Johtava tutkija UiO:n RITMO-tutkimuskeskuksessa (Centre for Interdisciplinary Studies in Rhythm, Time and Motion) ja professori MishMash Center for AI and Creativity -keskuksessa. Edelläkävijä hybriditransformer-sääntöjärjestelmän lähestymistavassa, joka muodostaa nuotinnusteknologiamme ytimen. Yli 20 vuoden kokemus laskennallisesta musiikkitieteestä ja MIR:stä (Music Information Retrieval).
Karstein Grønnesby
Operatiivinen johtaja
Karstein on musiikkiteknologian maisteri Oslon yliopistosta, ja hänellä on vuosien kokemus projektien ja tuotantojen koordinoinnista musiikkialalla. Hän vastaa projektinhallinnasta ja johtaa tuotteemme B2B-puolta hyödyntäen taustaansa Samspill International Music Networkista ja Norsk Viseforumista. Hän on myös Blåsemakerin perustaja — työpaja, joka on omistautunut perinteisten norjalaisten puhallinsoitinten valmistamiseen.
Tehtävämme
Uskomme, että musiikin nuotinnuksen tulisi olla kaikkien saatavilla — opiskelijoista, jotka opettelevat lempikappaleensa, ammattimusikoihin, jotka säilyttävät sävellyksiään. Tekoälyteknologiamme yhdistää äänen ja notaation, tehden nuottien luomisesta yhtä helppoa kuin esityksen nauhoittaminen.
Norjan tutkimusneuvoston tukema
Tutkimuksemme
AMT-Augmentor
AMT-Augmentor on Python-työkalupaketti automaattisen musiikin nuotinnuksen (AMT) tietoaineistojen laajentamiseen laadukkailla äänimuunnoksilla — aikavenytys, sävelkorkeuden muutos, kaiku/suodatus, kohina, vahvistus/chorus — säilyttäen samalla ääni–MIDI-kohdistuksen. Se on MAESTRO-yhteensopiva, komentorivillä toimiva ja YAML-konfiguroitava, ja siinä on rinnakkaiskäsittely sekä sisäänrakennettu tietoaineiston validointi/jakaminen luotettavan AMT-mallikoulutuksen nopeuttamiseksi. Avoin lähdekoodi (MIT).
Katso GitHubissa
HF2: Hardanger Fiddle Dataset
Avoin pariutettu ääni–MIDI-tietoaineisto norjalaisista hardingviulutallenteista, rakennettu Oslon yliopistossa ääni-MIDI-nuotinnusmallien koulutusta ja arviointia varten. Laajentaa alkuperäisen HF1-tietoaineiston 119 ääni–MIDI-pariin 39 ainutlaatuisessa kappaleessa (90 325 annotoitua nuottia, ~970 MB), ja esittelee tunnevariantit — jokainen kappale esitettynä viidellä tulkinnalla (alkuperäinen, vihainen, iloinen, surullinen, hellä) — sekä CSV-vertailutiedot, jotka sisältävät tarkat sävelkorkeustiedot. Tutkimusaineisto musiikki-informaation hakututkimuksen yhteisölle.
Katso GitHubissaViimeaikaiset julkaisut
Katso tutkimusmallimme toiminnassa
Hardanger-viulumusiikin livenuotinnus MishMash Centre for AI and Creativity -keskuksessa Oslossa · 08.04
Mediassa
Shifter · norjalainen teknologiamedia