團隊
我們的使命
我們相信音樂採譜應該人人可用——從學習喜愛歌曲的學生到儲存作品的專業音樂人。我們的 AI 技術彌合了音訊與樂譜之間的鴻溝，讓樂譜建立像錄製演奏一樣簡單。
我們的歷程
2022
想法誕生
源於奧斯陸大學的研究，旨在解決真實的客戶問題。
UiO Growth House · 20萬克朗
2024
研發資助
獲得挪威研究理事會認定。
研究理事會 · 50萬克朗
2025
公司成立
Bots for Music AS 正式成立。
Innovation Norway · 10萬克朗
2025
打造應用程式
將應用程式從研發階段拓展至新的市場領域。
開發於2025年2月–12月
2025年12月
應用程式上線
測試版向首批使用者開放。
Beta 發佈
2026年2月
首筆收入
迎來首位付費客戶，並獲得寶貴的使用者回饋。
首筆銷售
2026年5月
增長勢頭
早期增長強勁。
使用者超過500人
由挪威研究理事會支持
我們的研究
Bots for Music 源自奧斯陸大學 RITMO 節奏、時間與運動跨學科研究中心的 MUSCRIBE 項目。
AMT-Augmentor
AMT-Augmentor 是一個 Python 工具包，用於通過高品質音訊變換（時間拉伸、音高變換、混響/濾波、噪聲、增益/合唱）擴展自動音樂採譜 (AMT) 資料集，同時保持音訊-MIDI 對齊。相容 MAESTRO，支援指令列驅動，可通過 YAML 配置，具備並行處理和內建的資料集驗證/拆分功能，以加速穩健的 AMT 模型訓練。開源（MIT 授權條款）。
在 GitHub 上查看
HF2：哈當厄爾小提琴資料集
一個開放的挪威哈丹格小提琴音訊–MIDI 配對資料集，由奧斯陸大學構建，用於訓練和評估音訊到 MIDI 的採譜模型。在原始 HF1 資料集的基礎上擴展至 119 對音訊–MIDI 配對，涵蓋 39 首獨特樂曲（90,325 個標注音符，約 970 MB），並引入情感變體——每首樂曲以五種詮釋方式演奏（原版、憤怒、歡快、悲傷、溫柔）——同時配有包含高精度音高資料的 CSV 真值標注。一個面向音樂資訊檢索研究社區的研究資料集。
在 GitHub 上查看近期論文
ACM DLfM 2022
Segmentation, Transcription, Analysis and Visualisation of the Norwegian Folk Music Archive
閱讀論文
TISMIR · ISMIR Transactions
A Dataset of Norwegian Hardanger Fiddle Recordings with Precise Annotation of Note and Beat Onsets
閱讀論文
ISMIR 2023 · Late-Breaking Demo
Automatic Transcription of Multi-Instrumental Songs: Integrating Demixing, Harmonic Dilated Convolution, and Joint Beat Tracking
查看海報觀看我們的研究模型實戰演示
在奧斯陸 MishMash Centre for AI and Creativity 對哈當厄小提琴音樂的即時採譜 · 08.04
媒體報道
Shifter · 挪威科技新聞