FMA 音乐数据集快速上手指南：10 万首免费音频数据-平芜编程栈

FMA 音乐数据集快速上手指南：10 万首免费音频数据

【免费下载链接】fmaFMA: A Dataset For Music Analysis项目地址: https://gitcode.com/gh_mirrors/fm/fma

FMA 是 2017 年发布的大规模开放音乐分析数据集，解决音乐信息检索领域难以合法获取高质量大批量音频的问题。它包含 106,574 首曲目、917 GiB 音频、343 天播放时长，覆盖 16,341 位艺术家和 14,854 张专辑，流派按 161 个类别做层次划分。音频全部采用 Creative Commons 授权，代码以 MIT 协议发布，元数据为 CC BY 4.0。

📊 项目全貌：四档规格一次看全

规格	内容	适合谁
small	8,000 首 30 秒片段，8 个平衡流派，7.2 GiB	快速原型、验证流程
medium	25,000 首 30 秒片段，16 个不平衡流派，22 GiB	中等规模实验
large	106,574 首 30 秒片段，161 个流派，93 GiB	深入研究、论文复现
full	106,574 首完整时长，879 GiB	完整时长场景的专业研究
metadata	tracks/genres/features/echonest 四张表，342 MiB	所有任务的基础

音频统一为 MP3 格式，提供 30 秒片段与完整时长两种切法。官方已内置训练/验证/测试三分割，所有任务建议直接沿用，保证与已有论文可比。

🚀 最短路径：从 clone 到第一次成功加载

先选 small 档验证流程，跑通后再升级 medium 或 large。

第一步，克隆仓库并安装依赖（注意 requirements.txt 锁定了 2017 年的老版本，见下文避坑一节）：

git clone https://gitcode.com/gh_mirrors/fm/fma cd fma pip install -r requirements.txt

第二步，按仓库 README 里的表格下载fma_metadata.zip（342 MiB）和fma_small.zip（7.2 GiB），用 README 中给出的 sha1 校验码验证完整性后unzip到data/目录。

第三步，用项目自带的utils.load加载元数据，它会自动处理多行表头和类型解析，不需要你手写任何解析逻辑：

import utils tracks = utils.load('data/fma_metadata/tracks.csv') genres = utils.load('data/fma_metadata/genres.csv') print(tracks.shape, genres.shape)

跑通后打开 usage.ipynb，按单元格顺序执行，就能看到完整的加载、绘图和训练流程。

📁 核心内容拆解：四张表各管什么

tracks.csv：每首曲目一行，含曲目/专辑/艺术家三级元数据、标签、流派、播放次数，以及官方的 subset 和 split 两列。你拿它定义训练标签、筛选子集和划分数据，是整个数据集的入口表。

genres.csv：163 个流派，每个带一个 parent 字段，由此推出层次树和顶层流派（genre_top）。你需要做多级分类、或在稀有流派上向上归并时用它。

features.csv：librosa 预计算的音频特征，每首曲目一行，包含 mfcc、chroma_cens、tonnetz、频谱质心等列。你解码音频的数天等待时间被省掉了，直接拿它训练分类器。

echonest.csv：Spotify（原 Echonest）提供的专业特征，仅覆盖 13,129 首，含节奏、音色、能量等维度和随时间变化的特征。适合做对照实验或回归类任务。

另外 utils.py 提供get_audio_path按曲目 ID 定位 MP3 文件，以及多进程音频加载器，批量读音频时能避免 IO 瓶颈。

🎯 典型任务演示

任务一：流派分类。输入是 tracks.csv 的genre_top标签和 features.csv 的 MFCC 列；操作是取 small 子集的官方 training/test 分割，标准化后用 SVM 训练（完整流程见 usage.ipynb 第 5 节）：

X_train = features.loc[train, 'mfcc'] clf = skl.svm.SVC().fit(X_train, y_train)

产出是测试集准确率，可以直接和论文基线对比。

任务二：音频探索与特征提取。输入是一个曲目 ID；操作是定位 MP3、用 librosa 解码并绘制谱图：

import librosa x, sr = librosa.load(utils.get_audio_path(AUDIO_DIR, 2))

产出是波形、梅尔谱图和 MFCC 可视化，用来直观理解"特征为什么能区分流派"。

⚠️ 实战避坑

磁盘不足：full 档 879 GiB、large 档 93 GiB 都会瞬间吃满磁盘。先下 small 加 metadata 共约 7.5 GiB 验证流程，确认可行再升级。
内存超限：全量 10 万行特征用 pandas 一把载入会明显吃内存。按 subset 列过滤后再取列，或改用分块读取。
依赖装不上：requirements.txt 锁定 Python 3.6 时代的版本（numpy 1.12、pandas 0.19），在新 Python 上大概率编译失败。不必照抄版本号，装新版 pandas、librosa、scikit-learn 即可跑通核心流程；解码 MP3 还需系统安装 ffmpeg。