Monster-MIDI-Dataset
קוד פתוחprojectlosangelescc-by-nc-sa-4.02024-02-19
מאגר ענק של קובצי MIDI גולמיים שמיועד למשימות אחזור מידע מוזיקלי ואימון מודלים. היתרון שלו הוא כלי חיפוש וסינון מבוססי חתימות שרצים על גבי מאיץ גרפי.
- 620הורדות בחודש
- 21לייקים
מה זה
המאגר כולל בין מיליון לעשרה מיליון רשומות ומכיל קובצי MIDI גולמיים לצד קובצי חתימות בינאריים בפורמט pickle. בין הקבצים תמצאו חלוקות ייעודיות כמו מנגינות מלוות ומנגינות מונופוניות. היוצרים סיפקו גם קובצי פייתון לחיפוש מהיר, תוצאות חיפוש לדוגמה בארכיון מכווץ ומחברות עבודה להרצה ישירה.
הכרטיס לא חושף מאיזה מקורות ברשת נאספו קובצי המוזיקה, אך המידע מסווג כשפת אנגלית ותחת משימות סיווג שמע. מנגנון הסינון והחיפוש המובנה מסתמך על חתימות שמחושבות מראש ומאפשרות לאתר תבניות מוזיקליות דומות. דוגמה מעשית לכך מופיעה בארכיון תוצאות חיפוש שביצעו על 285 קובצי מקור, ששימשו אחר כך לאימון מודל נפרד.
מתאים ל
- אימון מודלי יצירת מוזיקה
אימון רשתות נוירונים כמו טרנספורמרים ליצירת רצפי תווים והלחנה אוטומטית.
- אחזור מידע מוזיקלי
מחקר ופיתוח אלגוריתמים לחיפוש דפוסים, מלודיות וחתימות מוזיקליות דומות.
- חקירת אמבדינג מוזיקלי
בדיקה והפקה של ייצוגים וקטוריים מתוך קובצי MIDI ומלודיות שמורכבות מהם.
איפה זה נופל
הכרטיס לא מספק תיעוד על מקור קובצי ה־MIDI, מי יצר אותם, או האם הם כוללים כפילויות, שגיאות נגינה וזכויות יוצרים של יוצרים מקוריים. דרישות החומרה חריגות וחיפוש של 285 קבצים בלבד גוזל כשעה על מעבד A100, כך שסינון עצמאי ידרוש משאבים כבדים. הנתונים מתויגים באנגלית בלבד, ואין מידע על ז'אנרים, כלי נגינה או כיסוי של מסורות מוזיקליות מגוונות.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
לא. הרישיון המוגדר הוא CC-BY-NC-SA 4.0 שמונע שימוש מסחרי מכל סוג. בנוסף, חל תנאי שיתוף זהה שמחייב שחרור תוצרים באותו אופן.
איזו חומרה צריך כדי לעבוד עם הנתונים?
היוצרים מציינים במפורש שנדרש כרטיס A100 או מנוי Colab Pro כדי להריץ את כלי החיפוש והסינון. ללא מעבד גרפי חזק וספריית cupy, החישובים יהיו איטיים מדי.
האם יש במאגר מוזיקה ישראלית או טקסטים בעברית?
המאגר מוגדר תחת השפה האנגלית בלבד. הכרטיס אינו מפרט את שמות היצירות ומקורותיהן, כך שאין תיעוד לקיומם של קטעים בעברית.
איך בנוי המאגר מבחינת קבצים?
הוא מורכב מ־25 קבצים, ביניהם ארכיון זיפ של קובצי MIDI גולמיים וקובצי pickle של חתימות ומלודיות מונופוניות. בנוסף מצורפים סקריפטים בפייתון לחיפוש ומחברות גוגל קולאב מוכנות.
איך טוענים
ההורדה מתבצעת ישירות דרך מודול huggingface_hub בקובץ זיפ ללא צורך באישור גישה מוקדם. לאחר חילוץ הקבצים, טוענים את קובץ החתימות MONSTER_SIGNATURES_DATA.pickle באמצעות ספריית החיפוש הייעודית שמסופקת בריפו. כדי לבצע חיפוש וסינון בפועל, החומר מציין בבירור שחובה להשתמש במאיץ גרפי חזק מסוג A100 או מנוי קולאב פרו, מאחר שמדובר בעיבוד כבד שדורש גם ספריות כמו cupy.
from datasets import load_dataset
ds = load_dataset("projectlosangeles/Monster-MIDI-Dataset")הרישיון
הרישיון הוא CC-BY-NC-SA 4.0. המשמעות פשוטה: אסור בתכלית האיסור להשתמש בנתונים למטרות מסחריות ישירות או עקיפות. חובה לתת קרדיט ליוצרים, וכל מודל, נגזרת או מאגר שתפתחו על בסיסו חייבים להיות מופצים תחת אותו רישיון בדיוק. לחברות או למוצרים מסחריים הוא לא רלוונטי.
- שינוי הקוד
- חובת ייחוס
- שימוש מסחרי: לא