awesome-MER

这是一个精心策划的音乐情感识别（MER）数据集和模型资源合集，收录了多个音乐情感预测数据集，包括MoodsMIREX、CAL500、Yang-Dim等，涵盖不同年份、实例数量、音频类型和情感标注方式（如分类和维度模型）。合集还列出了相关预测模型，旨在为研究人员提供全面的资源索引，以支持音乐情感分析领域的研究。This is a curated collection of music emotion recognition (MER) datasets and model resources. It includes multiple music emotion prediction datasets such as MoodsMIREX, CAL500, Yang-Dim and others, covering diverse publication years, sample sizes, audio types and emotion annotation approaches (e.g., classification and dimensional models). The collection also lists relevant prediction models, aiming to provide researchers with a comprehensive resource index to support research in the field of music emotion analysis.

原始信息汇总

核心概览

该仓库是音乐情感预测领域的数据集与模型列表，是论文《Are We There Yet? A Brief Survey of Music Emotion Prediction Datasets, Models and Outstanding Challenges》的配套资源，由Jaeyong Kang和Dorien Herremans维护。

数据集列表

共收录 49个 音乐情感数据集（截至2025年），涵盖2007年至2025年发布的数据集，表格关键字段包括：

• 年份：数据集发布年份（2007-2025
• 实例数量：片段/歌曲数，从54（MERP）到505,216（Last.fm subset of MSD）不等
• 长度：音频片段时长（如30秒、完整曲目）
• 类型：音频格式（MP3、WAV、MIDI等）或纯元数据
• 标注方式：
  • 分类标注：使用情感标签（如5类、GEMS九类）
  • 维度标注：基于Russell模型（唤醒度-效价）或V-A-D
• 动态性：静态标注 vs. 动态（时间连续）标注
• 情感类型：感知情感（Perceived）与诱发情感（Induced）

代表数据集简介

仓库对部分数据集提供了详细信息，包括：

• CAL500 (2007)：500首西方流行乐，174个语义标签（含18种情感），由66名本科生付费标注
• DEAM (2018)：2,058个45秒片段，同时提供静态与连续维度的唤醒度-效价标注
• Emotify (2016)：400首60秒片段，使用GEMS九类诱发情感量表
• PMEmo (2018)：794首完整曲目，唤醒度-效价标注，同时提供生理信号数据
• MTG-Jamendo (2019)：18,486首完整曲目，56个分类标签，基于Creative Commons许可
• Music4all (2020)：109,269个30秒WAV片段，三维情感空间标注，覆盖多种音乐流派

论文信息

• 论文标题：Are we there yet? A brief survey of Music Emotion Prediction Datasets, Models and Outstanding Challenges
• arXiv链接：https://arxiv.org/abs/2406.08809
• 引用方式：仓库提供BibTeX格式引用

补充说明

• 仓库可供用户通过Pull Request贡献新的数据集或模型
• 部分数据集链接已失效（标记为“Offline”）
• 数据集的标注策略包括：专家标注、众包（MTurk）、游戏化标注等

搜集汇总

数据集介绍

构建方式

该数据集的构建源于对音乐情感预测领域的系统性梳理，旨在为研究者提供一个全面的资源汇总。通过广泛搜集与筛选，项目收录了自2007年至2025年间公开发表的数十个音乐情感数据集，涵盖不同年份、样本规模、音频长度及格式（如MP3、WAV、MIDI）。每个数据集均详细记录了其标注方式（分类或维度）、情感动态特性（静态或动态）以及情感诱发类型（感知或诱导），并附有原始文献链接或获取方式，从而构建起一个结构清晰、易于检索的数据库。

特点

该数据集的特点在于其高度的全面性与组织性。它不仅囊括了从经典小规模数据集（如CAL500）到现代大规模资源（如Music4all、MuSe）的广泛范围，还细致区分了数据集的模态（音频、MIDI、歌词等）、标注范式（分类标签如GEMS、维度模型如Russell的效价-唤醒度）以及时间特性。此外，项目还整合了对应的预测模型列表，为研究者提供了从数据到方法的完整链路，凸显了其在推动音乐情感计算研究标准化与可重复性方面的独特价值。

使用方法

使用该数据集时，研究者可直接通过GitHub仓库中的表格概览快速定位所需资源，并依据年份、规模、情感模型等筛选条件进行选择。每个数据集条目均提供了简要描述、标注策略及原始链接，便于获取原始数据与元信息。对于希望贡献新数据集或模型的用户，项目支持通过Pull Request方式进行协作更新。同时，建议引用随附的综述论文以规范学术引用，确保资源使用的可追溯性与领域内的知识积累。

背景与挑战

背景概述

音乐情感识别（Music Emotion Recognition, MER）作为音乐信息检索领域的核心议题，旨在通过计算模型捕捉音乐作品所蕴含的情感信息。随着深度学习技术的蓬勃发展，MER研究在过去数年间取得了显著进展，然而，如何精准量化音乐与人类情感之间微妙而复杂的映射关系，仍是学术界面临的一项长期挑战。在此背景下，由Jaeyong Kang与Dorien Herremans于2024年发布的awesome-MER综述及资源库应运而生。该工作系统梳理了自2007年MoodsMIREX数据集诞生以来近四十个公开数据集与众多预测模型，涵盖了从静态标注到动态感知、从音频到多模态的广泛研究路径，为领域内研究者提供了全景式的知识图谱，并深刻揭示了当前MER领域在数据质量、标注一致性与模型泛化能力等方面的核心瓶颈。

当前挑战

当前音乐情感识别领域面临多重挑战。首先，在数据集层面，现有标注多依赖人工主观判断，不同标注者间的情感认知差异导致标注一致性欠佳，且数据集规模普遍较小，如CAL500仅含500首歌曲，难以支撑深度模型对复杂情感模式的充分学习。其次，情感标注维度不统一，部分数据集采用离散情感类别（如MIREX五类），另一些则采用连续维度空间（如Russell的唤醒度-效价模型），不同标注范式间的转换与对齐存在困难。再者，动态情感标注（如MoodSwings）虽能捕捉音乐情感的时序演变，但标注成本高昂且噪声显著。此外，跨数据集迁移时模型泛化能力不足，现有模型在特定风格（如西方流行音乐）上表现优异，却难以推广至非西方音乐或罕见情感类别。构建过程中，研究者还需应对版权限制、音频质量差异及多模态数据（如MIDI、歌词）对齐等技术难题。

常用场景

经典使用场景

在音乐信息检索与情感计算交叉领域，awesome-MER数据集汇总体系为研究者提供了涵盖近二十年间四十余个公开数据集的全面资源，其经典使用场景聚焦于音乐情感预测模型的训练与评估。通过整合从静态标签到动态连续标注、从音频特征到多模态信号（如MIDI、生理信号）的多样化数据资源，该数据集体系支持研究者系统性地探索不同模态与标注范式对情感识别性能的影响，为构建鲁棒且可泛化的音乐情感识别模型奠定了坚实的数据基础。

实际应用

在实际应用层面，该数据集体系支撑了音乐推荐系统、智能情绪调节与交互式音乐生成等场景的落地。例如，流媒体平台可借助基于这些数据集训练的模型，根据用户实时情绪状态动态推荐匹配曲目，从而提升用户体验与粘性；在心理健康领域，基于数据集的音乐情感识别技术被用于开发情绪追踪与辅助治疗工具，通过分析用户所选音乐的情感特征来监测心理状态；此外，游戏与影视配乐领域利用该体系中的动态情感标注资源，实现了自适应背景音乐系统，使音乐情感随剧情或玩家行为实时变化，显著增强了沉浸感与叙事张力。

衍生相关工作

基于该数据集体系，学术界衍生了一系列具有深远影响的经典工作。例如，研究者利用DEAM与PMEmo等动态标注数据集，提出了基于时序卷积网络与注意力机制的音乐情感轨迹预测模型，显著提升了连续情感识别的精度；另有多项工作聚焦于跨数据集迁移学习，通过EMOPIA与VGMDI等MIDI数据集探索了符号音乐到音频的情感映射，推动了模态间知识迁移的发展；此外，基于MTG-Jamendo与Music4all等大规模数据集，学界构建了可解释的情感回归框架，揭示了音频特征（如调式、节奏、音色）与情感维度之间的非线性关联，进一步深化了对音乐情感认知机制的理解。