视频与音频数据集-音乐数据

包含5500+音乐片段、风格、乐器、节奏、情绪标签及Caption，支持Text-to-Music、音乐理解与多模态音频训练。

0 条数据更新时间 2026-06-08

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

记录时效性

按需更新

记录结构化

NDJSON、JSON、CSV、XLSX、Parquet，支持定制化

记录云交付

Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive

记录标准化

为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。

记录代表性

数据覆盖全量业务场景，样本均衡，具备行业代表性

需要定制更适合业务场景的数据集？

我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。