Dataset Sources and Licensing Notes

更新：2026-06-02

注意

以下仅为工程接入与研究规划说明，不等于法律意见。实际商用前需要逐条复核原始 license、dataset terms 和再训练约束。

候选数据源

1. FMA

• URL: https://github.com/mdeff/fma
• 特点: 开放、MIR 常用、适合 retrieval baseline
• 风险: 音频 license 按 artist/track 可能不同，需逐条核验

2. MTG-Jamendo

• URL: https://github.com/MTG/mtg-jamendo-dataset
• 特点: Creative Commons 来源，适合音乐检索/标签任务
• 风险: 仍需按具体曲目用途与商业场景做 license 审查

3. CCMusic

• 论文/介绍: https://transactions.ismir.net/articles/10.5334/tismir.194
• 主页: https://ccmusic-database.github.io/en/database/ccm.html
• 特点: 中国音乐 MIR 数据资源丰富
• 风险: 部分数据集可能需要申请或存在使用边界，必须单独核验

4. ModelScope music datasets

• 入口: https://www.modelscope.cn/datasets
• 搜索: https://modelscope.cn/search?page=1&search=music&type=dataset
• 特点: 数据发现方便，可扩充中文生态
• 风险: license 分散，不能默认可商用；接入前必须建立白名单

接入原则

• 只接入 license 明确的数据集
• 默认拒绝“来源不明 / 不允许商业使用 / 禁止训练衍生模型”的数据
• 训练前把数据集及许可信息落盘到 registry