FemaleidolEthnicVersion3

# FemaleIdolEthnicVersion3 — AI 民族虚拟偶像数据集 V3 AI 生成的 **1,120 位中国各民族虚拟偶像**（56 民族 × 20 人，两批次 Aug27/Aug29 各 560 位）：每位偶像含个人档案（Profile）、10 张写真图（含民族传统服饰照与多视图设定图）、5 首原创歌曲。 ## 数据规模 | 项目 | 数量 | |---|---| | 偶像（idol） | 1,120 位（Aug27 560 + Aug29 560） | | 民族 | 56 个（含汉族，每民族 20 人：Aug27 10 人 + Aug29 10 人） | | 图片 | 11,200 张（10 张/人） | | 歌曲 | 5,600 首（5 首/人） | | 语种 | 歌 1-3 中文（3,360 首）+ 歌 4 英文（1,120 首）+ 歌 5 日/韩/泰均匀轮换（1,120 首） | ## 民族区间分布（每 10 个 idol 一个民族） ### 批次 Aug27（idol 1-560） | 区间 | 民族 | 区间 | 民族 | 区间 | 民族 | 区间 | 民族 | |---|---|---|---|---|---|---|---| | 1-10 | 汉族 | 141-150 | 白族 | 281-290 | 柯尔克孜族 | 421-430 | 乌孜别克族 | | 11-20 | 蒙古族 | 151-160 | 哈尼族 | 291-300 | 土族 | 431-440 | 俄罗斯族 | | 21-30 | 回族 | 161-170 | 哈萨克族 | 301-310 | 达斡尔族 | 441-450 | 鄂温克族 | | 31-40 | 藏族 | 171-180 | 傣族 | 311-320 | 仫佬族 | 451-460 | 德昂族 | | 41-50 | 维吾尔族 | 181-190 | 黎族 | 321-330 | 羌族 | 461-470 | 保安族 | | 51-60 | 苗族 | 191-200 | 傈僳族 | 331-340 | 布朗族 | 471-480 | 裕固族 | | 61-70 | 彝族 | 201-210 | 佤族 | 341-350 | 撒拉族 | 481-490 | 京族 | | 71-80 | 壮族 | 211-220 | 畲族 | 351-360 | 毛南族 | 491-500 | 塔塔尔族 | | 81-90 | 布依族 | 221-230 | 高山族 | 361-370 | 仡佬族 | 501-510 | 独龙族 | | 91-100 | 朝鲜族 | 231-240 | 拉祜族 | 371-380 | 锡伯族 | 511-520 | 鄂伦春族 | | 101-110 | 满族 | 241-250 | 水族 | 381-390 | 阿昌族 | 521-530 | 赫哲族 | | 111-120 | 侗族 | 251-260 | 东乡族 | 391-400 | 普米族 | 531-540 | 门巴族 | | 121-130 | 瑶族 | 261-270 | 纳西族 | 401-410 | 塔吉克族 | 541-550 | 珞巴族 | | 131-140 | 土家族 | 271-280 | 景颇族 | 411-420 | 怒族 | 551-560 | 基诺族 | ### 批次 Aug29（idol 561-1120） | 区间 | 民族 | 区间 | 民族 | 区间 | 民族 | 区间 | 民族 | |---|---|---|---|---|---|---|---| | 561-570 | 汉族 | 701-710 | 土家族 | 841-850 | 柯尔克孜族 | 981-990 | 乌孜别克族 | | 571-580 | 蒙古族 | 711-720 | 哈尼族 | 851-860 | 土族 | 991-1000 | 俄罗斯族 | | 581-590 | 回族 | 721-730 | 哈萨克族 | 861-870 | 达斡尔族 | 1001-1010 | 鄂温克族 | | 591-600 | 藏族 | 731-740 | 傣族 | 871-880 | 仫佬族 | 1011-1020 | 德昂族 | | 601-610 | 维吾尔族 | 741-750 | 黎族 | 881-890 | 羌族 | 1021-1030 | 保安族 | | 611-620 | 苗族 | 751-760 | 傈僳族 | 891-900 | 布朗族 | 1031-1040 | 裕固族 | | 621-630 | 彝族 | 761-770 | 佤族 | 901-910 | 撒拉族 | 1041-1050 | 京族 | | 631-640 | 壮族 | 771-780 | 畲族 | 911-920 | 毛南族 | 1051-1060 | 塔塔尔族 | | 641-650 | 布依族 | 781-790 | 高山族 | 921-930 | 仡佬族 | 1061-1070 | 独龙族 | | 651-660 | 朝鲜族 | 791-800 | 拉祜族 | 931-940 | 锡伯族 | 1071-1080 | 鄂伦春族 | | 661-670 | 满族 | 801-810 | 水族 | 941-950 | 阿昌族 | 1081-1090 | 赫哲族 | | 671-680 | 侗族 | 811-820 | 东乡族 | 951-960 | 普米族 | 1091-1100 | 门巴族 | | 681-690 | 瑶族 | 821-830 | 纳西族 | 961-970 | 塔吉克族 | 1101-1110 | 珞巴族 | | 691-700 | 白族 | 831-840 | 景颇族 | 971-980 | 怒族 | 1111-1120 | 基诺族 | ## 歌曲结构（每 idol 5 首） ### 歌 1 — 主打歌（中文） - **起名**：民族代表意象直接生发，意象取自民族史诗词库（5,509 个意象词注入）与民族知识库（文物/地理风物/传说符号），歌名必须带鲜明民族印记 - **写词**：融入民族历史文化、传说、生活场景，主打歌有鲜明民族韵味；副歌有 hook（自然重复 2-3 次），主题经民族意象硬校验（不达标重写） ### 歌 2 — 清唱（中文） - **起名**：家乡场景/街巷日常/烟火意象（如北京的胡同豆汁、苏州的水巷评弹） - **写词**：纯人声清唱（acappella），场景围绕家乡城市具体展开（地名/建筑/物产必须落地家乡，严禁套用其他地域意象），突出人声质感与情感留白 ### 歌 3 — 副歌（中文） - **起名**：风景名胜/地标意象（民族聚居地的山水地标、古迹） - **写词**：强副歌记忆点（副歌 4-6 句写满），hook 自然重复 2-3 次，节奏鲜明、适合传唱；与歌 1/2 在情绪与场景上拉开差异 ### 歌 4 — 自由（英文） - **起名**：综合意象（国际表达，可含民族意象但不过度） - **写词**：英文歌词，主题意象轻融入，副歌 hook 保持；场景与风格延续该 idol 的曲风设定 ### 歌 5 — 自由（日/韩/泰） - **起名**：综合意象，与歌 4 差异化 - **写词**：日文/韩文/泰文均匀轮换（实测全量：泰 382 / 韩 379 / 日 359，各约 1/3），风格延续、语言地道；场景与该民族生活地域相容 ## V3 主要改进（相对 V2） ### 歌名生成 - **史诗新词池注入**：从民族史诗词库（5,509 个意象词）注入歌名意象，大幅降低歌名同质化 - **程序化组合 fallback**：LLM 候选全部撞车时程序自动组合歌名，不再死循环 - **严格碰撞检查**：歌名全库唯一 + 关键词共享检查 ### 歌词质量 - **hook 强化**：副歌自然重复 2-3 次（有真实记忆点），副歌 4-6 句写满，禁止空喊口号 - **行数/时长校准**：中文 18+ 行、英文 14+ 行，时长控制 3 分钟内 - **主题民族意象校验**：主题必须融入民族特色意象（文化/地理/美食/传说） - **场景地理一致性**：歌 2-5 场景必须与民族生活地域自然环境相容，严禁地理相悖意象 ### 风格 - **民族乐器混排**：传统乐器（马头琴/冬不拉/巴乌/芦笙等 79 个映射）+ 现代曲风融合 - **Exclude 策略**：仅排除 trap hi-hats/808 + 装饰性星声音色，保留民族特色 ## 文件结构 - `datasetAug27.zip`（1-560）与 `datasetAug29.zip`（561-1120）：`dataset/profile.json`（全部偶像档案）+ `persona/{id}.json` + `{id}/JPG/`（10 张）+ `{id}/MP3/`（5 首 + detail.json） - `datasetPromptsAug27.zip` / `datasetPromptsAug29.zip`：各 5600 张图的生成 prompt（镜像 dataset 结构） - `wholelists.jsonl`：全部 1120 偶像的歌单（batch + idol + singer + songs） ## 下载 :modelscope-code[]{type="sdk"} :modelscope-code[]{type="git"}