اختراع کاروں سے ملیں
AI، موسیقیات، اور سگنل پروسیسنگ میں دہائیوں کی تحقیقی مہارت۔
ڈاکٹر اولیور لارٹیلو
چیف سائنس آفیسر اور شریک بانی
UiO کے RITMO سینٹر برائے بین الشعبہ جاتی مطالعات بشمول تال، وقت اور حرکت میں سرکردہ محقق اور MishMash سینٹر برائے AI اور تخلیقیت میں پروفیسر۔ ہائبرڈ ٹرانسفارمر-قاعدہ نظام کے نقطہ نظر کے علمبردار جو ہماری ٹرانسکرپشن ٹیکنالوجی کی بنیاد ہے۔ کمپیوٹیشنل موسیقیات اور MIR (Music Information Retrieval) میں 20 سال سے زیادہ کا تجربہ۔
لارس لوبرگ مونسٹاد
چیف ایگزیکٹو آفیسر اور شریک بانی
لارس ایک انتہائی ماہر مشین لرننگ انجینئر اور فل سٹیک ڈویلپر ہیں جو موسیقی کی معلومات کی بازیافت میں مہارت رکھتے ہیں۔ انہوں نے اس شعبے میں کئی مضامین شائع کیے ہیں اور موسیقی کے تجزیے اور ٹرانسکرپشن کے لیے جدید AI ماڈلز تیار کیے ہیں۔ CEO اور شریک بانی کے طور پر، وہ گہری تکنیکی مہارت کو کاروباری قیادت کے ساتھ ملا کر کمپنی کے وژن اور پروڈکٹ حکمت عملی کو آگے بڑھاتے ہیں۔
کارسٹین گرونسبی
چیف آپریٹنگ آفیسر
کارسٹین نے یونیورسٹی آف اوسلو سے میوزک ٹیکنالوجی میں ماسٹرز کیا ہے اور موسیقی کے شعبے میں پروجیکٹس اور پروڈکشنز کی ہم آہنگی میں برسوں کا تجربہ رکھتے ہیں۔ وہ پروجیکٹ مینجمنٹ کی نگرانی کرتے ہیں اور ہمارے پروڈکٹ کے B2B پہلو کی قیادت کرتے ہیں، Samspill International Music Network اور Norsk Viseforum میں اپنے پس منظر سے فائدہ اٹھاتے ہوئے۔ وہ Blåsemaker کے بانی بھی ہیں، جو روایتی ناروے کے ہوائی آلات بنانے کی ایک ورکشاپ ہے۔
ہمارا مشن
ہم یقین رکھتے ہیں کہ موسیقی کی ٹرانسکرپشن ہر ایک کے لیے قابل رسائی ہونی چاہیے - اپنے پسندیدہ گانے سیکھنے والے طلبا سے لے کر اپنی کمپوزیشنز محفوظ کرنے والے پیشہ ور موسیقاروں تک۔ ہماری AI ٹیکنالوجی آڈیو اور نوٹیشن کے درمیان فاصلے کو ختم کرتی ہے، شیٹ میوزک بنانا اتنا آسان بنا دیتی ہے جتنا پرفارمنس ریکارڈ کرنا۔
جدت اور تحقیق
ہائبرڈ AI سسٹم
بے مثال درستگی کے لیے ٹرانسفارمرز کو موسیقی تھیوری کے قواعد کے ساتھ ملانا
اخلاقی تربیت
100% پبلک ڈومین اور لائسنس یافتہ ریکارڈنگز - کاپی رائٹ کے خدشات نہیں
پرائیویسی سب سے پہلے
آپ کی ریکارڈنگز کبھی تربیت کے لیے استعمال نہیں ہوتیں - مکمل ڈیٹا تنہائی
ناروے کی ریسرچ کونسل اور یونیورسٹی آف اوسلو کی حمایت یافتہ
ہماری تحقیق
AMT-Augmentor
AMT-Augmentor ایک Python ٹول کٹ ہے جو Automatic Music Transcription (AMT) ڈیٹاسیٹس کو اعلیٰ معیار کی آڈیو تبدیلیوں — ٹائم سٹریچنگ، پچ شفٹنگ، ریورب/فلٹرنگ، شور، گین/کورس — کے ساتھ بڑھانے کے لیے ہے، جبکہ آڈیو–MIDI سیدھ کو برقرار رکھتی ہے۔ یہ MAESTRO کے موافق ہے، CLI سے چلتی ہے، اور YAML کے ذریعے قابل ترتیب ہے، متوازی پروسیسنگ اور بلٹ ان ڈیٹاسیٹ توثیق/تقسیم کے ساتھ مضبوط AMT ماڈل ٹریننگ کو تیز کرتی ہے۔ اوپن سورس (MIT)۔
GitHub پر دیکھیں