Instrumental-Dataset
收藏资源简介：
这是一个用于训练纯器乐AI源追踪模型的大规模、多源数据集，旨在促进区分人类创作音乐与AI生成内容的研究，以及识别音频片段背后的特定生成模型。数据集包含7,045个音频片段（每个30秒），涵盖4个来源（人类、MusicGen、Suno、Doubao）和8种以上的音乐风格。
This is a large-scale, multi-source dataset for training pure instrumental AI source tracing models, aimed at advancing research on distinguishing human-composed music from AI-generated content, as well as identifying the specific generative model behind each audio clip. The dataset contains 7,045 audio clips, each 30 seconds in duration, covering four sources (Human, MusicGen, Suno, Doubao) and over 8 musical genres.
数据集概述
基本信息
- 数据集名称: Instrumental-Dataset (AI Music Detection Dataset)
- 主要用途: 用于训练纯器乐音乐AI溯源模型，支持区分人类创作与AI生成音乐的研究，以及识别音频片段的具体生成模型。
- 许可协议: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)
- 发布年份: 2026
- 作者: Wang, Kehan
- 联系方式: 2276935971@qq.com
- 发布地址: https://github.com/evamooreshtg58-beep/Instrumental-Dataset
数据规模与构成
- 总音频片段数: 7,045段（压缩包内实际文件数为7,051，包含元数据文件）
- 音频时长: 每段音频统一为30秒（经过截取或填充处理）
- 数据来源: 共4种
- 人类: 1,417段，源自FMA Medium（纯器乐）
- AI (MusicGen): 1,412段，来自Meta的MusicGen
- AI (Suno): 2,808段，来自Suno API
- AI (Doubao): 1,413段，来自豆包
- 音乐风格: 人类子集覆盖布鲁斯、古典、爵士、电子等8种以上器乐风格。
- 音频格式: WAV或MP3格式。
- 采样率: 不同来源采样率不同（人类: 44.1 kHz; MusicGen: 32.0 kHz; Suno: 48.0 kHz; Doubao: 44.1 kHz）。
数据集结构
数据集压缩包 (AI_Music_Detection_Dataset.tar.gz，约2 GB) 解压后位于 release_dataset/ 目录下，结构如下：
file_list.csv: 包含所有音频片段的元数据文件。human/: 存放1,417首真实器乐作品，按音乐风格（如blues, classical, electronic等）分子目录。ai/: 存放AI生成音频，按模型分子目录 (musicgen/,suno/,doubao/)。README.md: 说明文件。
元数据文件 (file_list.csv) 列说明:
path: 文件的绝对或相对路径。is_ai: 二分类标签（0 = 人类，1 = AI）。source: 类别标签（Human, MusicGen, Suno, Doubao）。style: 音乐风格（例如 blues, classical）。
下载与使用
- 完整数据集下载: 需使用Git LFS。
- 安装Git LFS (https://git-lfs.com/)。
- 克隆仓库：
git lfs install后执行git clone https://github.com/evamooreshtg58-beep/Instrumental-Dataset.git。 - 解压数据：
tar -xzvf release_dataset/AI_Music_Detection_Dataset.tar.gz。
- 仅下载元数据: 可直接从仓库页面下载
file_list.csv文件。
预期研究场景
- 二分类检测: 区分人类音乐与AI生成音乐。
- 多分类溯源: 识别音频片段出自哪个具体AI模型（MusicGen、Suno或豆包）。
- 特征分析: 探究节奏规律性、频谱伪影或深度伪造痕迹。
- 基准测试: 评估检测模型在不同生成架构上的鲁棒性。
许可与引用
- 人类子集 (FMA): 源自Free Music Archive，遵循CC BY-NC 4.0许可。
- AI生成子集: 由作者生成，仅供研究使用，不对模型输出主张版权。
- 数据集整体: 基于CC BY-NC 4.0协议发布，限非商业学术用途。
引用格式:
@misc{Wang2026AIMusicDataset, author = {Wang, Kehan}, title = {AI Music Detection Dataset: A Multi-Source Benchmark for Distinguishing Human and AI-Generated Music}, year = {2026}, publisher = {GitHub}, howpublished = {url{https://github.com/evamooreshtg58-beep/Instrumental-Dataset}} }
