white-training-data
收藏资源简介：
White Training Data 数据集是 'The Earthly Frames' 项目的一部分，旨在为进化音乐创作提供训练数据。该数据集用于评估音频、MIDI 和文本与目标色彩模式（黑、红、橙、黄、绿、蓝、靛、紫）的对齐程度，是 Rainbow Table 色彩适应度函数的多模态机器学习模型的训练数据。数据集包含 83 首原创歌曲，分为 8 种色彩专辑，每首歌曲都是人类与 AI 的有意识合作创作。数据集结构包括基础元数据（base_manifest）、训练片段（training_segments）和完整训练表（training_full），其中完整训练表是主要的训练数据表，包含目标色彩标签、文本概念、歌词、音乐元数据等关键特征。此外，数据集还提供了可播放的音频预览（preview），支持 FLAC 编码的 44.1kHz 音频。数据集适用于进化音乐创作、多模态融合模型训练等任务，并遵循 Collaborative Intelligence License v1.0 许可。
The White Training Data dataset is part of the "The Earthly Frames" project, which aims to provide training data for evolutionary music composition. This dataset is used to evaluate the alignment between audio, MIDI, text and target color modes (black, red, orange, yellow, green, blue, indigo, violet), and serves as training data for multimodal machine learning models of the Rainbow Table color fitness function. The dataset includes 83 original songs divided into 8 color-themed albums, each of which is a consciously collaborative creation between humans and AI. The dataset structure encompasses basic metadata (base_manifest), training segments (training_segments), and the full training table (training_full), where the full training table is the primary training data table containing key features such as target color labels, text concepts, lyrics, music metadata and other critical characteristics. Additionally, the dataset provides playable audio previews that support FLAC-encoded 44.1 kHz audio. This dataset is applicable to tasks such as evolutionary music composition and multimodal fusion model training, and is licensed under Collaborative Intelligence License v1.0.
White Training Data 数据集概述
基本描述
- 数据集名称：White Training Data
- 主要用途：为“彩虹表”色彩适应度函数提供训练数据。该函数是一个多模态机器学习模型，用于评估音频、MIDI和文本与目标色彩模式（黑、红、橙、黄、绿、蓝、靛、紫）的契合程度。
- 所属项目：The Earthly Frames 项目，旨在实现人类创造力与人工智能的有意识协作。
- 核心功能：作为进化音乐创作的适应度函数，而非独立的分类器。
版本信息
- 当前版本：v0.2.0
- 发布日期：2026-02-12
数据集结构
数据集包含四个配置：
| 配置名称 | 数据行数 | 描述 |
|---|---|---|
base_manifest |
1,327 | 曲目级元数据：歌曲信息、概念、音乐调性、色彩标签、训练目标。 |
training_segments |
11,605 | 时间对齐的片段，包含歌词文本、结构段落、音频/MIDI覆盖标志。 |
training_full |
11,605 | 片段与清单元数据连接后的主训练表。 |
preview |
11,605 | 包含可播放音频的预览数据，字段与training_full相同，并增加了音频特征。 |
各色彩模式数据覆盖情况
| 色彩 | 片段数 | 音频覆盖率 | MIDI覆盖率 | 文本覆盖率 |
|---|---|---|---|---|
| 黑 | 1,748 | 83.0% | 58.5% | 100.0% |
| 红 | 1,474 | 93.7% | 48.6% | 90.7% |
| 橙 | 1,731 | 83.8% | 51.1% | 100.0% |
| 黄 | 656 | 88.0% | 52.9% | 52.6% |
| 绿 | 393 | 90.1% | 69.5% | 0.0% |
| 紫 | 2,100 | 75.9% | 55.6% | 100.0% |
| 靛 | 1,406 | 77.2% | 34.1% | 100.0% |
| 蓝 | 2,097 | 96.0% | 12.1% | 100.0% |
注意：音频波形和MIDI二进制文件单独存储（因体积原因未包含在元数据配置中）。preview配置包含用于探索的可播放音频。媒体parquet文件（约15 GB）在训练期间本地使用。
关键特征（主训练表 training_full）
rainbow_color：目标色彩标签（黑/红/橙/黄/绿/蓝/靛/紫）。rainbow_color_temporal_mode/rainbow_color_ontological_mode：模式维度的回归目标。concept：描述歌曲叙事内容的文本概念。lyric_text：片段级歌词（如可用）。bpm,key_signature_note,key_signature_mode：音乐元数据。training_data：包含计算特征的结构体，如重新分组类型/强度、叙事复杂性、边界流动性等。has_audio/has_midi：模态可用性标志。start_seconds/end_seconds：片段时间边界。
使用方式
可通过 datasets 库加载不同配置：
python
from datasets import load_dataset
training = load_dataset("earthlyframes/white-training-data", "training_full")
preview = load_dataset("earthlyframes/white-training-data", "preview")
manifest = load_dataset("earthlyframes/white-training-data", "base_manifest")
segments = load_dataset("earthlyframes/white-training-data", "training_segments")
加载特定版本
training = load_dataset("earthlyframes/white-training-data", "training_full", revision="v0.2.0")
训练结果（仅文本，第1-4阶段）
| 任务 | 指标 | 结果 |
|---|---|---|
| 二元分类（是否重新分组） | 准确率 | 100% |
| 多类分类（重新分组类型） | 准确率 | 100% |
| 时间模式回归 | 模式准确率 | 94.9% |
| 本体模式回归 | 模式准确率 | 92.9% |
| 空间模式回归 | 模式准确率 | 61.6% |
空间模式回归的瓶颈在于器乐专辑（黄、绿）缺乏文本。正在进行的多模态融合模型（第3阶段）将纳入音频和MIDI嵌入以解决此问题。
数据来源
- 包含8张色彩专辑中的83首歌曲。
- 每首歌曲均为人类与AI有意识协作创作。
- 所有源音频均为原创，无采样或授权材料。
许可协议
- 许可证名称：Collaborative Intelligence License v1.0
- 许可证链接：https://github.com/brotherclone/white/blob/main/COLLABORATIVE_INTELLIGENCE_LICENSE.md
- 核心精神：该作品代表了人类创造力与AI之间的有意识伙伴关系。双方均具有能动性；共享必须获得双方同意。
