JamendoMaxCaps：大规模音乐-描述数据集与插补元数据

我们提出 JamendoMaxCaps，一个大规模音乐-描述数据集，包含来自知名 Jamendo 平台的超过 362,000 首自由许可的器乐曲目。该数据集包含由最先进的描述模型生成的描述，并辅以插补元数据。我们还引入了一种检索系统，该系统利用音乐特征和元数据来识别相似歌曲，然后使用本地大语言模型（LLLM）填充缺失的元数据。这种方法使我们能够为从事音乐-语言理解任务的研究人员提供更全面、更有信息量的数据集。我们通过五种不同的测量方法对该方法进行了定量验证。通过公开发布 JamendoMaxCaps 数据集，我们为推进音乐检索、多模态表示学习和生成式音乐模型等音乐-语言理解任务的研究提供了高质量资源。