FMA: 音乐分析数据集项目推荐

FMA: 音乐分析数据集项目推荐

fma 项目地址: https://gitcode.com/gh_mirrors/fm/fma

1. 项目基础介绍和主要编程语言

FMA（Free Music Archive）是一个用于音乐分析的开源数据集项目，由Michaël Defferrard等人开发。该项目的主要编程语言是Python，适合用于音乐信息检索（MIR）领域的研究。FMA数据集包含了大量的音乐文件和相关元数据，适用于多种音乐分析任务。

2. 项目核心功能

FMA项目提供了以下核心功能：

• 音乐数据集：包含917 GiB和343天的Creative Commons许可音频，来自106,574首曲目、16,341位艺术家和14,854张专辑，按161种流派分类。
• 元数据和特征：提供完整的曲目和用户级元数据、标签和自由文本（如传记），以及预计算的音频特征。
• 数据集分割：提供训练/验证/测试集的建议分割，以及三个子集（小、中、大），适合不同规模的研究需求。
• 基准模型：提供用于流派识别的基准模型，包括从音频和特征中提取的模型。
• 代码和示例：提供Python代码和Jupyter Notebook示例，展示如何加载数据集、开发和测试自定义模型。

3. 项目最近更新的功能

截至最新更新，FMA项目的主要更新包括：

• 数据集扩展：增加了更多的音乐曲目和元数据，扩展了数据集的规模和多样性。
• 特征提取工具：更新了特征提取工具，支持更多类型的音频特征提取，如使用librosa库提取的常见特征。
• 基准模型优化：对现有的基准模型进行了优化，提高了流派识别的准确性和效率。
• 文档和示例更新：更新了使用文档和Jupyter Notebook示例，提供了更详细的指导和更丰富的示例代码。

FMA项目是一个非常适合音乐分析和机器学习研究的开源数据集，提供了丰富的资源和工具，帮助研究人员和开发者更好地进行音乐相关的研究和应用开发。

fma 项目地址: https://gitcode.com/gh_mirrors/fm/fma