Møt innovatørene
Tiår med forskningskompetanse innen AI, musikkvitenskap og signalbehandling.
Dr. Olivier Lartillot
Forskningsdirektør og medgründer
Ledende forsker ved UiOs RITMO Senter for tverrfaglige studier i rytme, tid og bevegelse og professor ved MishMash-senteret for AI og kreativitet. Pioner innen den hybride transformer-regelsystem-tilnærmingen som utgjør kjernen i vår transkripsjonsteknologi. Over 20 års erfaring innen beregningsbasert musikkvitenskap og MIR (Music Information Retrieval).
Lars Løberg Monstad
Administrerende direktør og medgründer
Lars er en svært dyktig maskinlæringsingeniør og fullstack-utvikler som spesialiserer seg på musikkgjenfinning. Han har publisert flere artikler innen feltet og utviklet avanserte AI-modeller for musikkanalyse og transkripsjon. Som administrerende direktør og medgründer driver han selskapets visjon og produktstrategi, og kombinerer dyp teknisk kompetanse med gründerlederskap.
Karstein Grønnesby
Driftsdirektør
Karstein har en mastergrad i musikkteknologi fra Universitetet i Oslo og har mange års erfaring med koordinering av prosjekter og produksjoner i musikksektoren. Han leder prosjektledelse og B2B-siden av produktet vårt, basert på sin bakgrunn fra Samspill International Music Network og Norsk Viseforum. Han er også grunnleggeren av Blåsemaker, et verksted for fremstilling av tradisjonelle norske blåseinstrumenter.
Vårt oppdrag
Vi tror at musikktranskripsjon bør være tilgjengelig for alle — fra elever som vil lære favorittsangene sine til profesjonelle musikere som vil bevare komposisjonene sine. Vår AI-teknologi bygger bro mellom lyd og notasjon, og gjør noteskriving like enkelt som å ta opp en fremføring.
Innovasjon og forskning
Hybrid AI-system
Kombinerer transformere med musikkteoriregler for uovertruffen nøyaktighet
Etisk trening
100 % offentlig tilgjengelige og lisensierte opptak — ingen opphavsrettsbekymringer
Personvern først
Opptakene dine brukes aldri til trening — fullstendig dataisolasjon
Støttet av Norges forskningsråd og Universitetet i Oslo
Forskningen vår
AMT-Augmentor
AMT-Augmentor er et Python-verktøy for å utvide datasett for automatisk musikktranskripsjon (AMT) med lydtransformasjoner av høy kvalitet — tidsstrekking, tonehøydeendring, romklang/filtrering, støy, forsterkning/kor — samtidig som lyd–MIDI-tilpasningen bevares. Det er MAESTRO-kompatibelt, CLI-drevet og konfigurerbart via YAML, med parallell prosessering og innebygd datasettvalidering/deling for å fremskynde robust AMT-modelltrening. Åpen kildekode (MIT).
Se på GitHub