mtg-jamendo
קוד פתוחrkstgrapache-2.02022-06-24
מעל 55,000 רצועות מוזיקה מלאות עם תיוגים של ז'אנר, כלי נגינה ומצב רוח. אוסף רחב שמתאים למי שרוצה לאמן מודלים לתיוג מוזיקלי אוטומטי בלי להסתבך עם קטעים חלקיים.
- 1,310הורדות בחודש
- 28לייקים
מה זה
המאגר כולל יותר מ־55,000 קטעי שמע מלאים שנאספו מתוך פלטפורמת המוזיקה Jamendo, כולם תחת רישיונות Creative Commons שונים שהעלו היוצרים עצמם. לכל רצועה מצורפים מזהי שיר, אמן ואלבום, משך השיר בשניות, קובץ האודיו עצמו ורשימות תיוגים בשלוש קטגוריות מרכזיות: ז'אנרים מוזיקליים, כלי נגינה בולטים, ומצבי רוח או נושאים. סך הכל יש כאן 195 תגיות שונות ששימשו את החוקרים.
התיוגים עצמם לא הגיעו ממומחים אלא מהמשתמשים שהעלו את המוזיקה לאתר, עובדה שמכניסה לא מעט רעש לנתונים. החלוקה הפנימית במאגר הזה פשוטה, תשעים אחוז מהנתונים מיועדים לאימון ועשרה אחוזים לוולידציה. החוקרים שיצרו את המקור בדקו עליו חמש קבוצות תיוג שונות, כולל חיתוך לפי חמישים התגיות הנפוצות ביותר וחלוקות ייעודיות לכל קטגוריה בנפרד.
מתאים ל
- סיווג ז'אנרים אוטומטי
אימון מודלים לזיהוי סגנון מוזיקלי מתוך קובץ שמע מלא, באמצעות תגיות הז'אנר הקיימות במאגר.
- זיהוי כלי נגינה
זיהוי כלים דומיננטיים ברצועה כמו גיטרה או פסנתר, לצורך קטלוג אוטומטי של קטלוג מוזיקה.
- התאמת שירים למצב רוח
אימון מערכות שמנתחות אודיו ומסמנות שירים רגועים, שמחים או קודרים למערכות המלצה.
איפה זה נופל
התיוגים מבוססים על מה שהאמנים הגדירו בעצמם בהעלאה, מה שאומר שיש חוסר עקביות, תיוגים חופפים וסובייקטיביות רבה בעיקר במצבי רוח. בנוסף, המוזיקה מגיעה כולה מ־Jamendo ולכן מייצגת בעיקר יוצרים עצמאיים, בלי להיטים מוכרים ועם הטיה מובנית לסגנונות הפופולריים באתר. אין כאן מילים של שירים, אין פירוט על שפות השירה או אזכור כלשהו לעברית, והנתונים פורסמו במקור עוד ב־2019.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
המאגר הנוכחי מוגדר תחת רישיון Apache-2.0 שמאפשר שימוש מסחרי, אך השירים עצמם לוקטו תחת רישיונות Creative Commons מגוונים. אם אתם בונים מודל מסחרי, צריך לוודא ששימוש באודיו לצורכי אימון עומד בכללים המשפטיים שלכם מול היוצרים המקוריים.
כמה מקום המאגר דורש על הדיסק?
הכרטיס לא מציין נפח כולל בג'יגה-בייט, אך הוא מכיל מעל 55,000 קטעי מוזיקה באורך מלא הפרוסים על פני 230 קבצי tar שונים. מומלץ להכין לפחות כמה מאות ג'יגה-בייט פנויים לפני שמתחילים להוריד.
האם יש במאגר מוזיקה בעברית?
הכרטיס לא מדווח על שפת השירים, ולא נאספו בו נתוני טקסט או מילים. רוב התוכן ב־Jamendo הוא בינלאומי וללא מיקוד מקומי, כך שאי אפשר להסתמך עליו כמקור למוזיקה ישראלית או לזיהוי שירה בעברית.
איך נאספו התגיות של השירים?
התגיות נאספו ישירות מהמידע שהעלו המוזיקאים לאתר Jamendo ולא נבדקו על ידי מאמתים מקצועיים. זה אומר שיש בהן לא מעט רעש, שירים שמתויגים בחוסר דיוק ושונות גדולה בין מגדיר למגדיר.
איך טוענים
טוענים את המאגר ישירות דרך הספרייה של Hugging Face בלי צורך באישור גישה מוקדם או מפתח מיוחד. עם זאת, קחו בחשבון שמדובר בקבצי אודיו מלאים של עשרות אלפי שירים המחולקים למאות קבצי ארכיון מכווצים מסוג tar, כך שההורדה דורשת רוחב פס רציני והרבה מקום פנוי בדיסק. השדות המרכזיים לעבודה הם קובץ ה־audio עצמו ושלושת שדות התגיות: genres, instruments ו־moods.
from datasets import load_dataset
ds = load_dataset("rkstgr/mtg-jamendo")הרישיון
המאגר עצמו מופץ ברישיון Apache-2.0, שמאפשר שימוש חופשי וגם מסחרי, בכפוף למתן ייחוס מתאים ושמירה על תנאי הרישיון. יחד עם זאת, ההקלטות המקוריות הגיעו מ־Jamendo תחת רישיונות Creative Commons שונים, ולכן לפני שמכניסים מודל שאומן עליהם למוצר מסחרי כדאי לבדוק את מגבלות זכויות היוצרים של קבצי השמע עצמם.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים