Incontra gli innovatori
Decenni di esperienza nella ricerca in IA, musicologia ed elaborazione del segnale.
Dr. Olivier Lartillot
Chief Science Officer e co-fondatore
Ricercatore di punta presso il Centro RITMO dell'UiO per gli studi interdisciplinari su ritmo, tempo e movimento e professore presso il MishMash Center for AI and Creativity. Ha ideato l'approccio ibrido transformer-regole che costituisce il nucleo della nostra tecnologia di trascrizione. Oltre 20 anni di esperienza nella musicologia computazionale e nel MIR (Music Information Retrieval).
Lars Løberg Monstad
Chief Executive Officer e co-fondatore
Lars è un esperto ingegnere di Machine Learning e sviluppatore Full-Stack specializzato nel music information retrieval. Ha pubblicato diversi articoli nel settore e sviluppato modelli IA avanzati per l'analisi e la trascrizione musicale. Come CEO e co-fondatore, guida la visione e la strategia di prodotto dell'azienda, combinando profonda competenza tecnica con leadership imprenditoriale.
Karstein Grønnesby
Chief Operating Officer
Karstein ha conseguito un Master in Tecnologia Musicale presso l'Università di Oslo e vanta anni di esperienza nel coordinamento di progetti e produzioni nel settore musicale. Supervisiona la gestione dei progetti e guida il lato B2B del nostro prodotto, attingendo alla sua esperienza presso Samspill International Music Network e Norsk Viseforum. È anche il fondatore di Blåsemaker, un laboratorio dedicato alla costruzione di strumenti a fiato tradizionali norvegesi.
La nostra missione
Crediamo che la trascrizione musicale debba essere accessibile a tutti — dagli studenti che imparano le loro canzoni preferite ai musicisti professionisti che preservano le loro composizioni. La nostra tecnologia IA colma il divario tra audio e notazione, rendendo la creazione di spartiti semplice come registrare un'esecuzione.
Innovazione e ricerca
Sistema IA ibrido
Combinazione di transformer e regole di teoria musicale per una precisione senza pari
Addestramento etico
100% registrazioni di dominio pubblico e con licenza — nessun problema di copyright
Privacy al primo posto
Le tue registrazioni non vengono mai utilizzate per l'addestramento — isolamento completo dei dati
Supportato dal Consiglio Norvegese della Ricerca e dall'Università di Oslo
La nostra ricerca
AMT-Augmentor
AMT-Augmentor è un toolkit Python per espandere i dataset di trascrizione musicale automatica (AMT) con trasformazioni audio di alta qualità — time-stretching, pitch-shifting, riverbero/filtraggio, rumore, gain/chorus — preservando l'allineamento audio-MIDI. È compatibile con MAESTRO, gestito da CLI e configurabile via YAML, con elaborazione parallela e validazione/suddivisione dei dataset integrata per accelerare l'addestramento di modelli AMT robusti. Open-source (MIT).
Vedi su GitHub