认识创新者

在 AI、音乐学和信号处理领域拥有数十年的研究经验。

Olivier Lartillot 博士

首席科学官兼联合创始人

奥斯陆大学 RITMO 节奏、时间与运动跨学科研究中心的首席研究员，MishMash AI 与创意中心教授。开创了混合 Transformer-规则系统方法，该方法构成了我们转谱技术的核心。在计算音乐学和 MIR（音乐信息检索）领域拥有超过 20 年的经验。

LinkedIn 邮箱 GitHub 学术主页

Lars Løberg Monstad

首席执行官兼联合创始人

Lars 是一位技术精湛的机器学习工程师和全栈开发者，专注于音乐信息检索。他在该领域发表了多篇论文，并开发了用于音乐分析和转谱的高级 AI 模型。作为首席执行官和联合创始人，他推动公司的愿景和产品战略，将深厚的技术专长与创业领导力相结合。

LinkedIn 邮箱 GitHub 学术主页

Karstein Grønnesby

首席运营官

Karstein 拥有奥斯陆大学音乐技术硕士学位，在音乐行业的项目协调和制作方面拥有多年经验。他负责项目管理并领导我们产品的 B2B 业务，凭借在 Samspill 国际音乐网络和挪威民谣论坛的背景。他同时也是 Blåsemaker 的创始人，这是一个专门制作挪威传统管乐器的工坊。

LinkedIn 邮箱 Blåsemaker

我们的使命

我们相信音乐转谱应该人人可用——从学习喜爱歌曲的学生到保存作品的专业音乐人。我们的 AI 技术弥合了音频与乐谱之间的鸿沟，让乐谱创建像录制演奏一样简单。

试用钢琴转谱器

创新与研究

🧠

混合 AI 系统

将 Transformer 与乐理规则相结合，实现无与伦比的准确度

🎵

合规训练

100% 使用公共领域和授权录音——无版权顾虑

🔒

隐私优先

您的录音绝不会用于模型训练——完全的数据隔离

由挪威研究理事会和奥斯陆大学支持

我们的研究

AMT-Augmentor

AMT-Augmentor 是一个 Python 工具包，用于通过高质量音频变换（时间拉伸、音高变换、混响/滤波、噪声、增益/合唱）扩展自动音乐转谱 (AMT) 数据集，同时保持音频-MIDI 对齐。兼容 MAESTRO，支持命令行驱动，可通过 YAML 配置，具备并行处理和内置的数据集验证/拆分功能，以加速稳健的 AMT 模型训练。开源（MIT 许可证）。

在 GitHub 上查看