如果这些数据对你有用,欢迎点个 Star,让更多做音乐 AI 的人找到它。
面向音乐 AI 的符号 / 工程数据:鼓演奏窗口、歌曲结构标注、DAW 工程格式规范、任务级参数样本。
与姊妹项目 Open Music Production & Audio Engineering Corpus(文本 CPT 语料)互补:那边是"知识文本",这边是"可执行的工程/符号数据"。
| 数据集 | 内容 | 规模 | 许可 |
|---|---|---|---|
| groove-midi | Groove MIDI Dataset 解析后的鼓演奏事件与完整两小节窗口(保留原 tick/音高/力度,Roland TD-11 鼓映射) | 1,149 performances / 445,949 hits / 10,208 windows;官方 split | CC BY 4.0(署名) |
| salami-annotations | SALAMI 结构标注:功能段落边界(seconds + label),按 song 分组的确定性 90/5/5 切分 | 1,359 songs / 2,243 annotations / 30,336 boundaries | CC0 1.0 |
| dawproject | DAWproject 开放工程格式 XSD 与 MIT 许可(跨 DAW 工程参数交换) | Project.xsd | MIT |
| samples | DAWcoder 任务级参数样本(mix/form/texture 各 300 条:工程状态 + 意图 + patch) | 900 rows | CC0 1.0 |
Groove windows(groove-midi/windows_{split}.jsonl):
{"dataset_id":"groove-midi","task":"drum_pattern","group_key":"groove:drummer1/session1/....mid",
"split":"train","bpm":94,"style":"neworleans/secondline","beat_type":"beat",
"start_tick":0,"bars":2,"ticks_per_beat":480,
"hits":[[tick, midi_pitch, velocity], ...],
"license":"CC-BY-4.0","provenance":[...]}hits为 note-on 事件[tick, pitch, velocity],未重新映射到 GM;- 同一 performance 的所有窗口在同一 split(official split 保留);
performances_*.jsonl是整段演奏级数据。
SALAMI sections(salami-annotations/sections_{split}.jsonl):
{"dataset_id":"salami-annotations","task":"section_annotations","song_id":"10","split":"train",
"boundaries":[{"time_seconds":0.0,"label":"Silence"},{"time_seconds":0.223,"label":"Intro"}, ...],
"group_key":"salami:10","license":"CC0-1.0"}DAWcoder 参数样本(samples/*.jsonl):{"task":"mix","state":{...},"intent":"...","patch":{...}},可直接用于参数预测 / SFT。
import json
# 鼓模式建模 / 生成
rows = [json.loads(l) for l in open("groove-midi/windows_train.jsonl", encoding="utf-8")]
# 结构分割
secs = [json.loads(l) for l in open("salami-annotations/sections_train.jsonl", encoding="utf-8")]- 鼓模式:条件(style/bpm/beat_type)→ 两小节 note 序列;
- 结构分割:音频(需自备)→ 段落边界;或边界 → 段落标签;
- 参数预测:
state + intent → patch(配合 DAWcoder 模型 / 规则基线)。
python -m pip install -r tools/requirements.txt
python tools/collect_symbolic.py # 下载官方包 -> 解析 -> 派生 JSONL + lock
python tools/check_symbolic.py # 校验 sha256 / split / 泄漏registry/symbolic.lock.json 记录上游 URL、archive sha256、逐文件 sha256 与切分策略。
- groove-midi:CC BY 4.0 — Groove MIDI Dataset, Google LLC(Gillick et al., ICML 2019);保留署名、标注修改;原始数据不随本仓库/Release 再分发,只发布派生的 JSONL。
- salami-annotations:CC0 1.0 — DDMAL / SALAMI(Smith et al., ISMIR 2011);不包含音频。
- dawproject:MIT — Bitwig。
- samples:CC0 1.0 — DAWcoder 自建。
- 逐数据集署名见各目录
ATTRIBUTIONS.md。
- 不含音频,也不含原始 MIDI 二进制(仅派生 JSONL);
- 鼓音高为 Roland TD-11 映射,不是 GM;
- SALAMI 时间为秒,不做 BPM/小节推断;
- Groove 的 style/beat_type 标签沿用官方分类;
- 这些数据是"工程/符号"侧补充,不替代真实 DAW 工程参数数据。
DAWcoder 4B(Qwen3.5-4B 基座,GGUF Q4_K_M,Ollama 可跑):https://huggingface.co/Shokou1/qwen3.5-4B-dawcoder