大西洋周刊整理AI音乐训练数据
The Verge AI··作者 Terrence O'Brien
关键信息
Reisner 表示，这些数据集已被下载数千次，而 Google 和 Stability 也都在研究论文中确认使用过它们。 其中三个数据集以 YouTube 或 Spotify 歌曲链接列表的形式分发，开发者再用工具抓取音频，有时还会绕过登录、广告或创作者收益机制。
资讯摘要
《大西洋月刊》记者 Alex Reisner 近期发现了四个被用于训练 AI 模型的大型音乐数据集，并将其做成了公众可搜索的数据库。 这些数据集规模非常惊人，其中两个分别包含 1200 万和 900 万首曲目，另外两个也都各自包含超过 10 万首歌曲。 Reisner 表示，这些数据集已经被下载了数千次，但外界无法确切知道具体是谁在使用它们。 Google 和 Stability 都在研究论文中确认使用过其中一些数据集。
报道还提到，像 Free Music Archive 这样的来源，虽然可能允许个人免费流媒体播放，但用于商业用途时仍需要授权。 Reisner 解释说，其中三个数据集并不是直接提供音频文件，而是以 YouTube 或 Spotify 歌曲链接列表的形式分发。 AI 开发者随后使用自动化工具抓取真实音频，而这些工具有时会绕过登录、广告以及为创作者或订阅服务带来收益的机制。 《大西洋月刊》还通过其 AI Watchdog 网站把这些内容做成可搜索工具，让读者可以自行检索正在被用于训练 AI 系统的歌曲和其他媒体。
资讯正文
《The Atlantic》记者 Alex Reisner 近期发现了四个用于训练 AI 模型的音乐数据集，并将它们制作成了可供公众完全搜索的数据库。其中两个数据集规模惊人，分别包含 1200 万首和 900 万首曲目。另两个虽然小得多，但每个仍然包含超过 10 万首歌曲，构成了相当可观的训练数据量。
根据 Reisner 的说法，这些数据集已被下载了数千次，尽管无法准确知道究竟是谁使用了它们，但 Google 和 Stability 都已在研究论文中确认使用过它们。其中一些来源，比如 Free Music Archive 数据集，个人用途可以免费流媒体播放，但若用于商业应用则需要获得许可。
尽管理论上这些数据集在互联网上是免费可得的，但把它们用作训练数据并不像下载一个 ZIP 文件再喂给 AI 模型那么简单。正如 Reisner 所解释的：
> 我找到的三个数据集是以歌曲链接列表的形式分发的，链接指向 YouTube 或 Spotify。AI 开发者会使用自动化完成这项工作的工具下载实际音频，其中一些工具允许开发者绕过登录、广告，以及那些可能为创作者带来收入或订阅者的机制。这类工具违反了这些平台的服务条款。
在这些数据集中出现的名字，从 Lady Gaga 和 Fred Again.. 等流行歌星，到 Radiohead、Aphex Twin、Wu-Tang Clan、Bruce Springsteen，以及实验作曲家 Hainbach，不一而足。你也可以前往《The Atlantic》的 AI Watchdog 网站，亲自搜索用于训练全球 AI 模型的歌曲、书籍和其他媒体。
来源与参考
收录于 2026-06-21