Conheça os Inovadores
Décadas de experiência em pesquisa em IA, musicologia e processamento de sinais.
Dr. Olivier Lartillot
Diretor Científico e Cofundador
Pesquisador líder no Centro RITMO da UiO para Estudos Interdisciplinares em Ritmo, Tempo e Movimento e professor no Centro MishMash para IA e Criatividade. Pioneiro na abordagem do sistema híbrido transformer-regras que forma o núcleo da nossa tecnologia de transcrição. Mais de 20 anos de experiência em musicologia computacional e MIR (Music Information Retrieval).
Lars Løberg Monstad
Diretor Executivo e Cofundador
Lars é um engenheiro de Machine Learning e desenvolvedor Full-Stack altamente qualificado, especializado em recuperação de informação musical. Publicou diversos artigos na área e desenvolveu modelos avançados de IA para análise e transcrição musical. Como CEO e cofundador, ele impulsiona a visão e a estratégia de produto da empresa, combinando profundo conhecimento técnico com liderança empreendedora.
Karstein Grønnesby
Diretor de Operações
Karstein possui mestrado em Tecnologia Musical pela Universidade de Oslo e traz anos de experiência coordenando projetos e produções no setor musical. Ele supervisiona o gerenciamento de projetos e lidera o lado B2B do nosso produto, com base em sua experiência no Samspill International Music Network e Norsk Viseforum. Ele também é fundador da Blåsemaker, uma oficina dedicada à fabricação de instrumentos de sopro tradicionais noruegueses.
Nossa Missão
Acreditamos que a transcrição musical deve ser acessível a todos — de estudantes aprendendo suas músicas favoritas a músicos profissionais preservando suas composições. Nossa tecnologia de IA conecta áudio e notação, tornando a criação de partituras tão simples quanto gravar uma performance.
Inovação e Pesquisa
Sistema Híbrido de IA
Combinando transformers com regras de teoria musical para precisão incomparável
Treinamento Ético
100% gravações de domínio público e licenciadas — sem preocupações com direitos autorais
Privacidade em Primeiro Lugar
Suas gravações nunca são usadas para treinamento — isolamento completo de dados
Apoiado pelo Conselho de Pesquisa da Noruega e pela Universidade de Oslo
Nossa Pesquisa
AMT-Augmentor
AMT-Augmentor é um toolkit em Python para expandir conjuntos de dados de Transcrição Musical Automática (AMT) com transformações de áudio de alta qualidade — time-stretching, pitch-shifting, reverb/filtragem, ruído, ganho/chorus — preservando o alinhamento áudio-MIDI. É compatível com MAESTRO, orientado por CLI e configurável via YAML, com processamento paralelo e validação/divisão de conjuntos de dados integrados para acelerar o treinamento robusto de modelos AMT. Código aberto (MIT).
Ver no GitHub