結合最新 AI 技術，打造專業音樂學習體驗
自動比對學生錄音與參考音檔，精確標示音準偏差位置，讓練習更有方向。
視覺化呈現每次練習成績趨勢，學生與老師皆可一目了然掌握學習狀況。
班級管理、作業指派、參考音檔上傳、容錯度設定，一切盡在掌握。
支援手機瀏覽器直接錄音或上傳，不受設備限制，隨時隨地都能練習。
接受 MP3、WAV、MP4 等常見音訊格式，方便學生以各種方式提交作業。
上傳後自動觸發 AI 分析流程，幾分鐘內即可獲得詳細的錯誤區間報告。
兩大核心演算法，讓每次練習都有精準、客觀的評分依據
AMDF 演算法 · 瀏覽器端即時運算
系統使用 AMDF（平均絕對差函數）演算法，在學生的裝置上直接分析上傳的音訊，將整段演奏切成細小幀逐一計算基頻。整個過程不需要呼叫後端伺服器，分析速度快、成本為零，並針對靜音段自動過濾，確保只對真實演奏的音符評分。
運作流程
音訊解碼
將 MP3/WAV/MP4 解碼為原始 PCM 波形數據
分幀切割
以 2048 樣本為幀、512 步長滑動切割整段音訊
AMDF 計算
對每幀計算不同時延的平均絕對差，找出基頻
靜音過濾
RMS 能量低於門檻的幀標記靜音，不納入評分
音高曲線（時間 vs Hz）
幀大小
2048 樣本
跳躍步長
512 樣本
偵測範圍
60–1800 Hz
靜音門檻
RMS 0.008
分析輸出
動態時間規整 · 彈性對齊 · 逐幀評分
不同學生演奏同一首曲子時，節拍快慢不一定相同。動態時間規整（DTW）能找到兩段音訊的最佳時間對應關係，不需要強制等長對齊，再逐幀比較音準偏差（單位：cents，100 cents = 1 半音）。系統自動將連續超出容許範圍的幀合併為錯誤片段，並以紅色區間顯示在偏差曲線上。
運作流程
建立成本矩陣
計算兩段音高序列每對幀之間的差距（cents）
DTW 路徑搜尋
動態規劃找出累積成本最低的對齊路徑
偏差計算
對每個對齊幀計算學生與參考音高的差距
錯誤片段標記
連續超出容許範圍的幀合併，記錄起訖時間
音高偏差曲線（cents）
容許範圍設定
分析輸出
我們是一個致力於讓音樂教育更有效率的團隊。透過 AI 技術，我們希望讓每位學生都能獲得即時、精準的練習回饋，不再只能仰賴老師的主觀耳朵。
我們的平台專為單音旋律樂器設計，包含小提琴、長笛、人聲等，支援老師建立班級、指派作業，以及學生錄音上傳與自動分析。