数百万首音乐曲目在数据集中免费提供，即使它们不应该如此。特伦斯·奥布莱恩2026年6月20日，协调世界时下午6:46 图像来源：凯瑟·弗吉尼亚/《边缘》 特伦斯·奥布莱恩是《边缘》的周末编辑。他在科技行业工作超过18年，对合成器了解颇多。大西洋的记者亚历克斯·赖斯纳最近发现了四个用于训练AI模型的音乐数据集，并使其对公众完全可搜索。两个数据集非常庞大，分别包含1200万和900万首曲目。其他两个数据集则小一些，但每个仍然包含超过10万首歌曲，代表了的重要训练数据。赖斯纳指出，这些数据集已被下载数千次，虽然无法确切知道是谁使用了它们，但谷歌和稳定性公司均在研究论文中确认他们使用过。一些来源，如自由音乐档案数据集，允许为个人使用免费流媒体，但商业应用需要获得许可。虽然数据集在理论上在互联网上免费提供，但将其用作训练数据并不是简单地下载ZIP文件并将其输入到AI模型中。正如赖斯纳所解释的那样：我找到的三个数据集是以链接列表的形式分发的，这些链接指向YouTube或Spotify上的歌曲，AI开发者使用自动化工具下载实际音频，其中一些工具允许开发者跳过登录、广告和可能为创作者赚取金钱或订阅的机制。这些工具违反了这些平台的服务条款。出现在数据集中的一些名字包括流行歌手如Lady Gaga和Fred Again..，还有Radiohead、Aphex Twin、Wu-Tang Clan、Bruce Springsteen和实验作曲家Hainbach。您可以访问大西洋的AI观察者网站，自己搜索正在用于训练世界AI模型的歌曲、书籍和其他媒体。跟踪这个故事中的主题和作者，以在个性化主页上看到更多类似内容，并接收电子邮件更新。特伦斯·奥布莱恩《边缘》日报 一个关于最重要新闻的免费日常摘要。电子邮件（必填）