PDMX: シンボリック音楽処理のための大規模なパブリックドメインMusicXMLデータセット

要旨

最近、生成型AI音楽システムの急激な拡大により、データの著作権、ミュージシャンからの音楽ライセンス取得、オープンソースAIと大手の名声ある企業との間の対立など、多くの懸念が提起されています。これらの問題は、特に象徴的な音楽データには大きな不足があり、公開されていて著作権フリーな音楽データの必要性を浮き彫りにしています。この問題を緩和するために、私たちはPDMXを提案します。これは、MuseScoreという楽譜共有フォーラムから収集された25万以上のパブリックドメインのMusicXMLスコアからなる大規模なオープンソースデータセットであり、私たちの知る限りでは最大の著作権フリーの象徴的音楽データセットです。PDMXには、タグとユーザーの相互作用メタデータが豊富に含まれており、データセットを効率的に分析し、高品質のユーザー生成スコアをフィルタリングすることが可能です。私たちのデータ収集プロセスによって提供される追加のメタデータにより、PDMXの異なる代表的なサブセットがダウンストリームモデルに異なる挙動をもたらすかどうか、およびユーザー評価統計がデータ品質の効果的な指標としてどのように使用されるかを評価するため、マルチトラック音楽生成実験を実施します。例は以下のサイトで見つけることができます：https://pnlong.github.io/PDMX.demo/.

English

The recent explosion of generative AI-Music systems has raised numerous concerns over data copyright, licensing music from musicians, and the conflict between open-source AI and large prestige companies. Such issues highlight the need for publicly available, copyright-free musical data, in which there is a large shortage, particularly for symbolic music data. To alleviate this issue, we present PDMX: a large-scale open-source dataset of over 250K public domain MusicXML scores collected from the score-sharing forum MuseScore, making it the largest available copyright-free symbolic music dataset to our knowledge. PDMX additionally includes a wealth of both tag and user interaction metadata, allowing us to efficiently analyze the dataset and filter for high quality user-generated scores. Given the additional metadata afforded by our data collection process, we conduct multitrack music generation experiments evaluating how different representative subsets of PDMX lead to different behaviors in downstream models, and how user-rating statistics can be used as an effective measure of data quality. Examples can be found at https://pnlong.github.io/PDMX.demo/.

PDMX: シンボリック音楽処理のための大規模なパブリックドメインMusicXMLデータセット

PDMX: A Large-Scale Public Domain MusicXML Dataset for Symbolic Music Processing

要旨

Support