Ink-bai/Music-info-datasets

Music Info Datasets

Music-info-datasets 是一个围绕歌曲元数据、歌词、评论语义、本地音频匹配、音频特征和 MERT 表征整理的音乐信息数据集。数据以网易云音乐 song_id 作为统一主键，适合用于个人音乐库分析、标签体系构建、音乐检索、推荐实验、歌词/评论语义分析和音乐信息检索原型。

本数据集不提供可播放音频文件。表中的 local_audio_path、file_path 等字段来自作者本地音乐库匹配结果，仅用于说明匹配关系和特征来源，通常不能在其他环境中直接访问。

Dataset Summary

当前包含两个子数据集：

子数据集	说明	主表歌曲数	标签表歌曲数	本地音频匹配数	音频特征数	MERT 索引数
ink_bai_liked	作者网易云喜欢音乐/个人曲库样本	1,488	1,488	870	870	870
middle_ages	主题歌单样本	219	219	12	12	12

额外文件：

类型	数量/说明
原始 JSON 快照	ink_bai_liked_json/ 1,585 个，middle_ages_json/ 219 个
歌词 TXT	source/lyrics/ 1,658 个，以 {song_id}.txt 命名
SQLite 采集库	ink_bai_liked.sqlite3、middle_ages.sqlite3，包含 songs 和 api_results 表
MERT embedding	mert/embeddings/ 871 个 .npy 文件，每个为 1024 维 float32 向量

File Structure

data/
  source/
    ink_bai_liked_songs.csv
    middle_ages_songs.csv
    ink_bai_liked.sqlite3
    middle_ages.sqlite3
    ink_bai_liked_json/*.json
    middle_ages_json/*.json
    lyrics/{song_id}.txt
  tags/
    ink_bai_liked_song_tags.csv
    ink_bai_liked_song_tags.jsonl
    middle_ages_song_tags.csv
    middle_ages_song_tags.jsonl
  matches/
    ink_bai_liked_song_matches.csv
    middle_ages_song_matches.csv
  features/
    audio/
      *_song_features.csv
      *_song_features.parquet
    lyric/
      *_lyric_semantics.csv
      *_lyric_semantics.jsonl
    comment/
      *_comment_semantics.csv
      *_comment_semantics.jsonl
  mert/
    embeddings/{song_id}.npy
    *_mert_index.csv
    *_mert_clusters.csv

Data Fields

data/source/*_songs.csv

歌曲主表，由原始 JSON 快照整理而来。两份主表均包含 95 个字段，主要字段如下：

字段	含义
song_id	网易云音乐歌曲 ID，数据集主键
name	歌曲名
aliases / translations	别名、翻译名
artist_names / artist_ids	艺人名和艺人 ID，多个值用 `
album_id / album_name / album_pic_url	专辑信息
duration_ms / duration_seconds / duration_text	时长
publish_time_ms / publish_date	发布时间
popularity / mv_id / fee / copyright / status	平台侧基础信息
check_success / playable / check_message	可播放性检查结果
max_br_level / max_bitrate	可用音质概览
comment_total / hot_comment_count	评论数量统计
first_hot_comment / first_comment	抽取的代表性评论文本
has_lyric / lyric_line_count / lyric_excerpt	歌词存在性和摘要
has_translation / translation_excerpt	翻译歌词信息
has_romaji / romaji_excerpt	罗马音歌词信息
similar_song_ids / similar_song_names / similar_artist_names	平台返回的相似歌曲信息
wiki_summary_excerpt	平台侧百科摘要
standard_* / exhigh_* / lossless_* / hires_*	不同音质层级的 URL、码率、大小、类型、状态码和 MD5 等信息

注意：音频 URL 可能会过期或受地区、账号、版权和平台策略影响。

data/tags/*_song_tags.csv

融合后的标签总表，是最适合直接用于检索、推荐和建模的入口表。

字段组	说明
基础字段	song_id、name、artist_names、has_lyric
语言/风格/情绪/主题/场景	language_tags、style_tags、emotion_tags、theme_tags、scene_tags
音频标签	audio_tags、audio_feature_tags、vocal_instrumental_tags
汇总标签	all_tags、tag_confidence、tag_sources
本地匹配	local_audio_path、audio_match_score、match_source、local_duration_seconds、duration_diff_seconds
音频特征	audio_duration_seconds、audio_sample_rate、audio_rms、audio_zcr、audio_centroid_hz、audio_tempo_bpm、audio_tempo_source 等
源分离特征	source_drums_energy_ratio、source_bass_energy_ratio、source_vocal_energy_ratio、source_instrumental_energy_ratio 等
歌词语义	lyric_semantic_tags、lyric_semantic_scores、lyric_semantic_model、lyric_semantic_error
评论语义	comment_semantic_tags、comment_semantic_scores、comment_semantic_model、comment_semantic_error
MERT 表征	mert_embedding_path、mert_embedding_dim、mert_layer、mert_emotion_tags、mert_valence、mert_arousal、mert_cluster、mert_neighbor_song_ids

多数多标签字段使用 | 分隔。

data/matches/*_song_matches.csv

本地音频文件与歌曲主表的匹配结果。

字段	含义
file_path	本地音频路径
song_id / name / artist_names	匹配到的歌曲
match_score	综合匹配分数
match_reason	标题、艺人、时长等匹配细节
match_source	匹配来源，例如 metadata
audio_title / audio_artist / audio_album	音频文件元数据
local_duration_seconds / duration_diff_seconds	本地音频时长和差值
duration_error	时长读取错误信息

data/features/audio/*_song_features.*

本地音频文件上提取的音频特征，提供 CSV 和 Parquet 两种格式。

主要字段包括：

• audio_duration_seconds
• audio_sample_rate
• audio_rms
• audio_zcr
• audio_centroid_hz
• audio_vocal_band_ratio
• audio_crest
• audio_tempo_bpm
• audio_onset_strength
• audio_feature_tags
• source_*_energy_ratio
• audio_tempo_raw_bpm
• audio_tempo_source

data/features/lyric/*_lyric_semantics.*

歌词语义标签表。语义模型字段显示为 bge-m3，低置信或无歌词的样本可能为空。

字段	含义
song_id	歌曲 ID
lyric_semantic_tags	歌词语义标签
lyric_semantic_scores	标签分数
lyric_semantic_model	使用的语义模型
lyric_semantic_error	错误或回退信息

data/features/comment/*_comment_semantics.*

评论语义标签表，结构与歌词语义相同。常见标签包括回忆共鸣、治愈共鸣、悲伤共鸣、热血共鸣、故事感等。部分样本会使用关键词规则回退，相关信息记录在 comment_semantic_error 中。

data/mert/*_mert_index.csv

MERT 音乐表征索引表。

字段	含义
song_id	歌曲 ID
mert_embedding_path	生成时记录的 embedding 路径
mert_error	MERT 处理错误
mert_chunks	切片数量
mert_embedding_dim	embedding 维度，当前为 1024
mert_layer	使用层，当前多为 mean
mert_emotion_tags	启发式 MERT 情绪标签
mert_emotion_scores	情绪代理分数
mert_valence / mert_arousal	启发式效价/唤醒度
mert_cluster	聚类编号
mert_neighbor_song_ids / mert_neighbor_scores	近邻歌曲和相似度

实际 .npy 文件位于 data/mert/embeddings/{song_id}.npy。如果表内路径与仓库目录不一致，建议按 song_id 重新拼接 embedding 路径。

data/mert/*_mert_clusters.csv

MERT 聚类和近邻结果的轻量表，仅保留：

• song_id
• mert_cluster
• mert_neighbor_song_ids
• mert_neighbor_scores

Loading Examples

Load CSV Tables

from datasets import load_dataset

dataset = load_dataset(
    "Ink-bai/Music-info-datasets",
    data_files={
        "ink_bai_liked_source": "data/source/ink_bai_liked_songs.csv",
        "middle_ages_source": "data/source/middle_ages_songs.csv",
        "ink_bai_liked_tags": "data/tags/ink_bai_liked_song_tags.csv",
        "middle_ages_tags": "data/tags/middle_ages_song_tags.csv",
        "ink_bai_liked_matches": "data/matches/ink_bai_liked_song_matches.csv",
        "middle_ages_matches": "data/matches/middle_ages_song_matches.csv",
    },
)

print(dataset["ink_bai_liked_tags"][0])

Load Parquet Audio Features

from datasets import load_dataset

audio_features = load_dataset(
    "Ink-bai/Music-info-datasets",
    data_files={
        "ink_bai_liked": "data/features/audio/ink_bai_liked_song_features.parquet",
        "middle_ages": "data/features/audio/middle_ages_song_features.parquet",
    },
)

Load MERT Embeddings

from pathlib import Path
import numpy as np
import pandas as pd

root = Path("data")
mert_index = pd.read_csv(root / "mert" / "ink_bai_liked_mert_index.csv", dtype={"song_id": str})

row = mert_index.dropna(subset=["mert_embedding_dim"]).iloc[0]
song_id = row["song_id"]
embedding = np.load(root / "mert" / "embeddings" / f"{song_id}.npy")

print(song_id, embedding.shape, embedding.dtype)

Intended Uses

适合：

• 个人音乐库可视化和检索系统
• 音乐标签体系构建
• 歌词和评论语义分析
• 音乐推荐原型、召回或重排特征实验
• MERT embedding 相似度检索和聚类实验
• 音频特征、歌词特征、评论特征的多模态融合研究

不适合：

• 直接训练商用音乐情绪分类器
• 作为版权清晰的歌词/音频再分发数据集
• 评估通用音乐推荐模型的无偏基准
• 依赖本地路径字段进行跨机器复现实验

Data Processing Notes

数据由本地流水线整理，主要步骤包括：

1. 调用网易云音乐相关接口采集歌曲详情、播放可用性、评论、歌词、相似歌曲和音质信息。
2. 将每首歌的原始响应保存为 JSON 快照，并导出统一的 *_songs.csv 主表。
3. 抽取歌词到 source/lyrics/{song_id}.txt。
4. 将歌曲主表与本地音乐文件做元数据和时长匹配，生成 matches/。
5. 对匹配到的本地音频提取节奏、能量、谱质心、过零率、频段能量等特征，生成 features/audio/。
6. 对歌词和评论生成语义标签，生成 features/lyric/ 和 features/comment/。
7. 使用 MERT 提取 1024 维音乐 embedding，并生成启发式情绪、valence/arousal、聚类和近邻结果。
8. 将多源结果融合回 tags/*_song_tags.csv，作为推荐和检索的主入口。

MERT 情绪标签、valence/arousal 和部分语义标签为启发式/模型辅助结果，适合辅助检索和初筛，不应视为人工标注的可靠事实标签。

Limitations

• 数据主要来自个人歌单和主题歌单，分布具有明显个人偏好，不能代表全部音乐。
• local_audio_path、file_path 等字段包含作者本地环境路径，仅作追溯，不具备通用可访问性。
• 不包含音频文件；音频特征和 MERT embedding 只覆盖已匹配到本地音频的歌曲。
• 歌词、评论和平台元数据可能包含版权内容或用户生成内容，请按来源平台规则和适用法律使用。
• 平台 URL、音质信息和可播放性状态具有时效性，可能在下载后发生变化。
• 自动标签可能存在误判、漏标和语言偏差。

License and Usage

本仓库未声明开放版权授权。数据中包含来自音乐平台的元数据、歌词摘要、歌词文本、评论和由本地音频派生的特征。请仅在符合法律、平台条款和原始权利人要求的前提下，用于研究、学习或个人分析。

如需公开发布衍生模型、商业使用或再分发包含歌词/评论/平台元数据的内容，请自行确认授权和合规性。

Citation

如果这个数据集对你的实验有帮助，可以引用本数据集页面：

@misc{music_info_datasets,
  title = {Music Info Datasets},
  author = {Ink-bai},
  year = {2026},
  howpublished = {\url{https://huggingface.co/datasets/Ink-bai/Music-info-datasets}}
}

Acknowledgements

本数据集整理流程使用了本地音乐信息处理流水线，并参考/调用网易云音乐相关接口封装能力。感谢开源音乐信息检索社区、MERT 模型和中文语义模型生态提供的基础工具。