free-music-archive-large

该数据集是一个用于音乐分析的开源数据集，包含917 GiB和343天的Creative Commons许可音频，来自106,574首曲目、16,341位艺术家和14,854张专辑，按161种音乐流派的层次结构排列。数据集提供完整的、高质量的音频，预计算的特征，以及曲目和用户级别的元数据、标签和自由文本形式的传记。数据集分为商业用途和默认用途两种配置，每种配置具有不同的规模和示例数量。数据集的每个文件都附有其特定的许可证详细信息，主要基于Creative Commons许可证。

This is an open-source dataset for music analysis. It contains 917 GiB and 343 days of Creative Commons-licensed audio, sourced from 106,574 tracks, 16,341 artists and 14,854 albums, and is organized under a hierarchical taxonomy of 161 music genres. The dataset provides complete, high-quality audio files, pre-computed audio features, as well as track-level and user-level metadata, tags, and free-text biographies. It is split into two configurations for commercial use and default use respectively, with each configuration featuring different scales and sample counts. Each file in the dataset is accompanied by its specific license details, which are primarily based on Creative Commons licenses.

原始信息汇总

数据集概述

基本信息

• 数据集名称: Free Music Archive - Large
• 数据集大小: 100K<n<1M
• 任务类别:
  • 音频到音频
  • 音频分类

数据集配置

配置名称: commercial

• 特征:
  • audio: 音频数据
  • title: 字符串
  • url: 字符串
  • artist: 字符串
  • composer: 字符串
  • lyricist: 字符串
  • publisher: 字符串
  • genres: 序列，包含164个分类标签
  • tags: 字符串序列
  • released: 时间戳
  • language: 字符串
  • listens: 无符号64位整数
  • artist_url: 字符串
  • artist_website: 字符串
  • album_title: 字符串
  • album_url: 字符串
  • license: 分类标签，包含33种许可证
  • copyright: 字符串
  • explicit: 分类标签，是否包含明确内容
  • instrumental: 分类标签，是否为器乐
  • allow_commercial_use: 分类标签，是否允许商业使用
  • allow_derivatives: 分类标签，是否允许衍生作品
  • require_attribution: 分类标签，是否需要署名
  • require_share_alike: 分类标签，是否需要相同方式共享
• 分割:
  • train: 8380个样本，6730446047.6字节
• 下载大小: 7974179100字节
• 数据集大小: 6730446047.6字节

配置名称: default

• 特征:
  • audio: 音频数据
  • title: 字符串
  • url: 字符串
  • artist: 字符串
  • composer: 字符串
  • lyricist: 字符串
  • publisher: 字符串
  • genres: 序列，包含164个分类标签
  • tags: 字符串序列
  • released: 时间戳
  • language: 字符串
  • listens: 无符号64位整数
  • artist_url: 字符串
  • artist_website: 字符串
  • album_title: 字符串
  • album_url: 字符串
  • license: 分类标签，包含33种许可证
  • copyright: 字符串
  • explicit: 分类标签，是否包含明确内容
  • instrumental: 分类标签，是否为器乐
  • allow_commercial_use: 分类标签，是否允许商业使用
  • allow_derivatives: 分类标签，是否允许衍生作品
  • require_attribution: 分类标签，是否需要署名
  • require_share_alike: 分类标签，是否需要相同方式共享
• 分割:
  • train: 105033个样本，85239274784.388字节
• 下载大小: 100325400918字节
• 数据集大小: 85239274784.388字节

许可证信息

• 数据集代码库: MIT许可证
• 元数据: CC-BY 4.0许可证
• 音频文件: 多种Creative Commons许可证，每个文件附带其许可证详情

数据集详情

• 总样本数: 105,024个
• 音频时长: 30秒每个样本
• 总时长: 869.2小时
• 分类: 16个不平衡的流派

数据集清理

• 不可读文件: 173个文件被移除
• 许可证不明确文件: 1377个文件被移除

搜集汇总

数据集介绍

构建方式

Free Music Archive (FMA) 数据集的构建基于一个开放且易于访问的音乐资源库，旨在为音乐信息检索（MIR）领域的研究提供支持。该数据集包含了来自16,341位艺术家的106,574首音乐曲目，涵盖了161种音乐流派。每首曲目均以30秒的片段形式提供，总计869.2小时的音频数据。数据集的构建过程中，剔除了173个无法读取的音频文件以及1377个许可证不明确的文件，确保了数据的可用性和合法性。

特点

FMA数据集的特点在于其丰富的音乐流派分类和详细的元数据信息。数据集不仅提供了高质量的音频文件，还包含了曲目标题、艺术家、作曲家、歌词作者、出版商等详细信息。此外，每首曲目都附带了流派标签、许可证信息以及用户级别的元数据，如播放次数和语言信息。这些特征使得FMA数据集成为音乐分类、流派识别和音频特征提取等任务的理想选择。

使用方法

FMA数据集的使用方法多样，适用于多种音乐信息检索任务。研究人员可以通过加载音频文件及其元数据进行音乐流派分类、音频特征提取或音频生成等实验。数据集提供了预定义的训练/验证/测试划分，便于模型训练和评估。此外，用户可以根据许可证信息筛选出适合商业用途的曲目，确保实验的合规性。代码和示例可在GitHub上获取，便于快速上手和复现实验结果。

背景与挑战

背景概述

Free Music Archive (FMA) 数据集由Michaël Defferrard、Kirell Benzi、Pierre Vandergheynst和Xavier Bresson等研究人员于2017年创建，旨在为音乐信息检索（MIR）领域提供一个开放且易于访问的大规模音频数据集。该数据集包含106,574首来自16,341位艺术家和14,854张专辑的音频，涵盖了161种音乐流派，总容量达917 GiB，时长343天。FMA不仅提供了完整的音频文件，还包含了预计算的特征、元数据、标签以及艺术家传记等丰富信息。该数据集的发布极大地推动了MIR领域的研究，尤其是在音乐流派识别、音频分类和音频生成等任务中，为学术界和工业界提供了宝贵的资源。

当前挑战

FMA数据集在构建和应用过程中面临多重挑战。首先，音乐流派分类的复杂性使得模型在区分相似流派时表现不佳，尤其是对于跨流派音乐或混合风格的音乐。其次，数据集中存在大量不平衡的流派分布，某些流派的样本数量远少于其他流派，这可能导致模型在训练过程中偏向于样本较多的流派。此外，音频文件的版权问题也是构建过程中的一大挑战，部分文件因版权不明确或无法获取完整许可而被移除，影响了数据集的完整性。最后，音频数据的预处理和特征提取需要大量的计算资源，尤其是在处理高采样率和长时音频时，计算复杂度显著增加。

常用场景

经典使用场景

Free Music Archive (FMA) 数据集在音乐信息检索（MIR）领域中具有广泛的应用，尤其是在音乐分类和音频特征提取任务中表现突出。该数据集包含了超过10万首音乐曲目，涵盖了161种不同的音乐流派，为研究者提供了一个丰富的音频数据源。通过FMA，研究者可以训练和评估音乐流派识别模型，探索音频信号的频谱特征，以及进行音乐推荐系统的开发。

实际应用

在实际应用中，FMA数据集被广泛用于音乐流媒体平台的推荐系统开发。通过分析用户的听歌历史和音乐特征，平台可以为用户提供个性化的音乐推荐。此外，FMA还被用于音乐版权管理，帮助识别和分类音乐作品，确保其合法使用。在教育和研究领域，FMA为音乐学和计算机科学的交叉研究提供了宝贵的数据资源。

衍生相关工作

FMA数据集自发布以来，已经衍生出多项经典研究工作。例如，基于FMA的音乐流派分类挑战赛（FMA Challenge）吸引了全球研究者的广泛参与，推动了深度学习在音乐分类中的应用。此外，许多研究利用FMA数据集开发了新的音频特征提取算法和音乐推荐系统，进一步拓展了MIR领域的研究边界。这些工作不仅提升了音乐分类的准确性，还为音乐生成和音频信号处理提供了新的思路。