数据集

SongFormDB

ASLP-lab/SongFormDB

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:cc-by-4.0 上游版本:4fc4b4709ceb

中文简介

ASLP-lab/SongFormDB 是 ASLP-lab 在 Hugging Face 发布的数据集仓库,当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 4fc4b4709ceb,同步到 24810 个文件,文件元数据合计 244.08 GB;访问状态为“公开”,许可证字段为“cc-by-4.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 ASLP-lab/SongFormDB 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
ASLP-lab/SongFormDB 是 ASLP-lab 在 Hugging Face 发布的数据集仓库,当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 4fc4b4709ceb,同步到 24810 个文件,文件元数据合计 244.08 GB;访问状态为“公开”,许可证字段为“cc-by-4.0”。

【适用方向】
适合在明确数据字段、拆分和许可证后,用于上游卡片所列任务相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本:4fc4b4709ceb。 任务标签:上游卡片所列任务。 数据集卡名称:SongFormDB。 上游页面记录的最近更新时间:2026-05-15。

【文件信息】
上游 API 返回 24810 个文件,文件元数据合计 244.08 GB。 已保存文件清单中的主要扩展名:.txt 97 个、无扩展名 2 个、.jsonl 1 个。 当前较大的文件包括:data/Ext/SongFormDB-Ext.jsonl(2.95 MB);.gitattributes(2.40 KB);data/Gem/labels/Gem_0f0uz0CfBSE.txt(706 B)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 244.08 GB。仅按下载、解压和临时文件估算,建议至少预留约 292.90 GB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“cc-by-4.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

SongFormDB 🎵 English | [中文] A Large-Scale Multilingual Music Structure Analysis Dataset for Training SongFormer 🚀** Chunbo Hao 1* , Ruibin Yuan 2,6* , Jixun Yao 1 , Qixin Deng 3,6 , Xinyi Bai 4,6 , Yanbo Wang 5 , Wei Xue 2 , Lei Xie 1† * Equal contribution    † Corresponding author 1 Audio, Speech and Language Processing Group (ASLP@NPU), School of Computer Science, Northwestern Polytechnical University 2 Hong Kong University of Science and Technology 3 Northwestern University 4 Cornell University 5 University of New South Wales 6 Multimodal Art Projection (M-A-P) 🌟 What is SongFormDB? SongFormDB is a **comprehensive, large-scale, multilingual dataset** designed to revolutionize Music Structure Analysis (MSA). This dataset serves as the training foundation for our state-of-the-art SongFormer model, providing unprecedented scale and diversity for MSA research. ✨ Key Highlights 🎯 **Four Powerful Subsets** 🎸 **SongFormDB-HX (HX)** - *Precision & Quality* ✅ **Rule-corrected HarmonixSet** with improved annotation accuracy 📊 **Unified train/validation/test splits** for consistent evaluation 🎸 **SongFormDB-Ext (E)** - *Precision & Quality* 🀄 **Designed for Chinese generalization** 🎶 **4,314 songs** for robust training diversity 🎸 **SongFormDB-Hook (H)** - *Scale & Diversity* 🎼 **5,933 songs** with precise structural annotations 🌍 Helps improve the model's **generalization ability** 🎸 **SongFormDB-Gem (G)** - *Global Coverage* 🌐 **47 different languages** for true multilingual coverage 🎶 **Diverse BPMs and musical styles** for comprehensive training 🤖 **Gemini-annotated** with strong performance on ACC and HR3F metrics 🎯 **4,387 high-quality songs** with music structure analysis 📊 Dataset Composition 🎵 SongFormDB-HX (HX) - 712 Songs Enhanced HarmonixSet with rule-based corrections and unified evaluation protocol. Data Location:** `data/HX/SongFormDB-HX.jsonl` | Field | Description | |-------|-------------| | `id` | Unique song identifier | | `youtube_url` | Origin

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在明确数据字段、拆分和许可证后,用于上游卡片所列任务相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。

规模与格式

固定版本:4fc4b4709ceb。 任务标签:上游卡片所列任务。 数据集卡名称:SongFormDB。 上游页面记录的最近更新时间:2026-05-15。

文件说明

上游 API 返回 24810 个文件,文件元数据合计 244.08 GB。 已保存文件清单中的主要扩展名:.txt 97 个、无扩展名 2 个、.jsonl 1 个。 当前较大的文件包括:data/Ext/SongFormDB-Ext.jsonl(2.95 MB);.gitattributes(2.40 KB);data/Gem/labels/Gem_0f0uz0CfBSE.txt(706 B)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。

上游文件元数据

  • .gitattributes2.40 KB
  • .gitignore604 B
  • data/Ext/SongFormDB-Ext.jsonl2.95 MB
  • data/Gem/labels/Gem_-2Tgb9Vf0xk.txt178 B
  • data/Gem/labels/Gem_-4m99hFodSE.txt158 B
  • data/Gem/labels/Gem_-4XAxrBTETs.txt314 B
  • data/Gem/labels/Gem_-5IzN9j0otQ.txt307 B
  • data/Gem/labels/Gem_-5xLytjc-3M.txt196 B
  • data/Gem/labels/Gem_-6fw4_gtJuo.txt198 B
  • data/Gem/labels/Gem_-6y-9em-Z8s.txt195 B
  • data/Gem/labels/Gem_-7HwLuMdPuk.txt280 B
  • data/Gem/labels/Gem_-9Fpz516Lj4.txt580 B

硬件建议

仓库文件元数据合计 244.08 GB。仅按下载、解压和临时文件估算,建议至少预留约 292.90 GB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“cc-by-4.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。