视频与音频数据集-音乐数据 (MusicCaps)

数据集简介

主要数据内容包括： 大规模音乐音频与文本描述数据（Music-Audio-Text Pair） 超过 5,500 条音乐片段与人工标注 Caption 数据 包含音乐风格、乐器、节奏、情绪等音频语义描述 基于 YouTube 与 AudioSet 构建的 10 秒音乐片段数据 提供 Aspect Tags、音频标签与自然语言描述信息 覆盖流行、古典、电子、摇滚、民谣等多类型音乐内容 支持的能力方向包括： Text-to-Music 音乐生成模型训练 Music Captioning 音乐描述生成 音乐理解与音频语义分析 音频-文本跨模态学习（Audio-Text Learning） 音乐检索与音频 Embedding 训练 多模态音频生成与音乐风格理解 适用于： AI 音乐生成模型研发 音频多模态模型训练 音乐理解与推荐系统研究 AIGC 音乐内容生成 音频 Benchmark 与算法评测 音乐语义分析与跨模态数据研究

数据质量