加州大学圣地亚哥分校推出大规模公共领域MusicXML数据集PDMX，它是为了符号音乐处理而设计的。符号音乐处理是指将音乐以乐谱形式进行分析和生成，这与音频领域的音乐生成不同，它更侧重于音乐的结构和符号表示。
- 项目主页：https://pnlong.github.io/PDMX.demo
- GitHub：https://github.com/pnlong/PDMX
- 数据集：https://zenodo.org/records/13763756
主要功能：
PDMX的主要功能是提供一个大规模的、版权免费的MusicXML格式的音乐数据集，以支持和促进符号音乐生成系统的发展。这个数据集包含了超过25万个乐谱，这些乐谱是从MuseScore这个乐谱分享论坛上收集的。
主要特点：
- 大规模：PDMX是目前已知最大的公共领域MusicXML数据集。
- 版权免费：所有包含的乐谱都是公共领域的，这意味着它们可以自由地用于研究和商业用途，无需担心版权问题。
- 丰富的元数据：除了乐谱本身，PDMX还提供了丰富的元数据，如标签、用户互动和评分，这些信息有助于分析数据集并筛选出高质量的用户生成乐谱。
- 多轨音乐支持：数据集支持多轨音乐，这意味着它可以包含整个乐队或管弦乐队的乐谱，而不仅仅是单一乐器的乐谱。
工作原理：
PDMX的数据收集自MuseScore论坛，该论坛允许用户上传自己的乐谱。研究者们使用网络爬虫技术从这个论坛上抓取了超过25万个MusicXML格式的乐谱文件。这些文件包含了丰富的音乐信息，如音符、节奏、动态标记、乐器部分等。为了有效地解析这些MusicXML文件，研究者们开发了一个名为MusicRender的扩展工具，它是MusPy库的一部分，能够将MusicXML文件中的信息转换为可以用于音乐生成模型的格式。
具体应用场景：
- 音乐生成：PDMX可以用于训练音乐生成模型，这些模型能够创作新的音乐作品。
- 音乐分析：研究者可以使用这个数据集来分析音乐模式、风格和结构，以更好地理解音乐的构成。
- 音乐教育：教育者可以利用这个数据集来创建教学材料，帮助学生学习音乐理论和历史。
- 音乐推荐系统：利用PDMX中的用户评分和评论信息，可以开发出能够推荐音乐的系统。
总的来说，PDMX是一个宝贵的资源，它为音乐研究和应用提供了一个大规模、多样化且版权免费的音乐数据集。
0条评论