Muse
קוד פתוחbolshyCmit2026-01-10
מאגר של 116 אלף שירים סינתטיים שנוצרו במערכת SunoV5 עם מילות שיר ותיאורי סגנון. המטרה כאן היא אימון מודלים ליצירת מוזיקה ארוכה עם שליטה בסגנון בלי להסתבך עם זכויות יוצרים של אמנים אמיתיים.
- 1,701הורדות בחודש
- 19לייקים
מה זה
המאגר כולל 116 אלף רצועות מוזיקה שנוצרו באופן מלאכותי באמצעות מודל SunoV5, ולכל אחת מהן הוצמדו מילים ותיאורי סגנון שנוצרו אוטומטית. הנתונים מחולקים לשני מקטעים עיקריים לפי שפה: סינית ואנגלית. לא תמצאו פה הקלטות אולפן מקוריות או זמרים בשר ודם, אלא אוסף סינתטי שנבנה סביב המחקר של Muse ליצירת שירים ארוכים.
התוכן מחולק לקובצי ארכיון של כאלפיים שירי MP3 בכל חלק. המקטע הסיני כולל 25 קובצי ארכיון, והמקטע האנגלי מכיל 35 קובצי ארכיון. לצד קובצי האודיו יש קובצי מטא דאטה בפורמט jsonl שמקשרים בין תיאורי הסגנון והמילים לקובצי הקול המתאימים דרך נתיבים יחסיים.
מתאים ל
- אימון text-to-audio
פיתוח מודלים שמייצרים קטעי מוזיקה ושירה מבוססי הנחיות טקסט של סגנון ומילים.
- שליטה בסגנון מוזיקלי
בדיקת יכולת המודל להיצמד להגדרות סגנוניות מפורטות לאורך שיר שלם.
- סינכרון מילים ושירה
אימון מערכות ליישור והתאמה בין מילים כתובות לבין שירה מולחנת באנגלית ובסינית.
איפה זה נופל
כל השירים במאגר יוצרו על ידי SunoV5, כך שכל ארטיפקט, רעש רקע או מגבלה קולית של המודל הזה מוטמעים עמוק בתוך הדאטה. בנוסף, מילות השיר ותיאורי הסגנון נוצרו במכונה, מה שעלול לייצר טקסטים גנריים או חוסר התאמה דק בין התיאור לקול בפועל. מבחינת שפות המאגר מוגבל אך ורק לאנגלית וסינית, ואין בו שום ייצוג לעברית או לסגנונות מוזיקליים מקומיים.
שאלות
נפוצות
האם מותר להשתמש במאגר למוצר מסחרי?
רישיון ה־MIT של המאגר מתיר שימוש מסחרי באופן עקרוני. עם זאת, מכיוון שמדובר באודיו שנוצר על ידי SunoV5, כדאי לוודא שהשימוש שלכם אינו מתנגש עם תנאי השימוש והקניין של הכלי המקורי. הדאטהסט עצמו מוגדר כבעל רישוי מלא לפי כרטיס המאגר.
האם יש במאגר שירים או מילים בעברית?
לא, אין במאגר שום תוכן בעברית. הנתונים מחולקים באופן בלעדי לשירים באנגלית ושירים בסינית. אימון מודל על המאגר הזה לא ייתן מענה להגייה או לסגנונות שירה ישראליים.
איך נאספו הנתונים במאגר?
השירים לא נדגמו מרדיו או משירותי סטרימינג. כל 116 אלף הרצועות סונתזו ישירות ב־SunoV5, כשהמילים ותיאורי הסגנון שליוו אותן נוצרו גם הם בצורה ממוחשבת לצורך המחקר.
איך מחלצים את הקבצים בלי לשבור את המידע?
חובה לפתוח את כל ארכיוני ה־tar לתוך שתי תיקיות ספציפיות, אחת לשירים בסינית ואחת לאנגלית. קובצי ה־jsonl מכילים נתיבים יחסיים שמובילים בדיוק לשמות האלה. שינוי שם התיקייה ידרוש מכם לתקן ידנית את הנתיבים בכל קובצי המטא דאטה.
איך טוענים
אין צורך באישור גישה מיוחד כדי להוריד את הקבצים. העבודה דורשת פריסה ידנית של 60 קובצי tar שלמים לתיקיות ספציפיות, suno_cn_songs לשירים בסינית ו־suno_en_songs לשירים באנגלית. קובצי ה־jsonl מסתמכים על שמות התיקיות האלה במדויק דרך נתיבים יחסיים, ואם תשנו את המבנה תצטרכו לעדכן את כל הנתיבים בקוד שלכם. פורמט האודיו הוא MP3 רגיל שנפרס ישירות לתוך התיקיות בלי תת תיקיות נוספות.
from datasets import load_dataset
ds = load_dataset("bolshyC/Muse")הרישיון
המאגר שוחרר תחת רישיון MIT מתירני. הרישיון מאפשר שימוש מסחרי, מחקרי ושינוי של החומרים, כל עוד שומרים על הודעת זכויות היוצרים המקורית. מבחינת מודל שמאומן עליו, הרישיון לא מטיל חובת שיתוף זהה, אך כדאי לזכור שהתוכן עצמו מבוסס על פלטים של SunoV5 ולכן יש לבדוק התאמה מול תנאי השימוש של אותה מערכת.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש