AI 音樂訓練資料有得查：創作者終於可以睇自己有冇入庫
四個公開 dataset 揭出 AI 音樂工具背後授權灰位
件事重點
The Verge 報道，The Atlantic 記者 Alex Reisner 搵到四個喺 AI 開發圈流通嘅音樂 dataset，並喺 The Atlantic 嘅 AI Watchdog 頁面整成可搜尋 database。規模有幾誇？LAION-DISCO-12M 有 12,320,916 條 YouTube 音樂紀錄，Sleeping-DISCO-9M 有 9,713,413 條紀錄，另外 Spotify Tracks Dataset 有 114,000 首，Free Music Archive dataset 就有 106,574 首。呢啲數唔係普通歌單，係開發者可以攞嚟訓練、測試、微調模型嘅材料清單。
database 有咩用
以前創作者聽到 AI 音樂工具可能用咗海量歌曲，最多只可以鬧句「唔透明」。而家 The Atlantic 呢個 database 起碼畀你做三件事：查 artist 名、查歌名、睇中咗邊個 dataset。中咗名唔代表某個商用 AI 服務一定訓練過你首歌；查唔到亦唔代表安全，因為呢度只係四個 Reisner 搵到嘅 dataset。不過由完全黑箱去到有名有姓，已經係好大分別。
最大灰位：link 唔等於授權
最麻煩係，三個 dataset 主要派發 YouTube 或 Spotify link 同 metadata，唔係直接派 MP3。LAION 自己都寫明，LAION-DISCO-12M 只收 publicly available YouTube samples 嘅 link 同 metadata，亦話唔派原始 audio，建議用途偏研究，仲強烈叫人唔好喺商業場景或原樣做成 end products。呢個講法表面上係同原檔保持距離，不過創作者真正擔心嘅係：如果有人之後用工具自動拉 audio，避開登入、廣告同分潤機制，「只係 link」就未必夠交代。
Google 同 Stability 點解重要
The Atlantic 提到 Google 同 Stability AI 喺研究 paper 入面寫明用過 FMA 呢類資料。Google MusicLM paper 寫到，佢哋用 FMA 訓練 SoundStream 同 w2v-BERT，之後再用 500 萬段 audio clip、合共 28 萬小時音樂訓練其他部分；Stability 嘅 Stable Audio Open paper 同官方頁就寫明，用 472,618 段 Freesound 加 13,874 段 FMA，仲標榜 Creative Commons、審查同 attribution。呢度要分清楚：研究用過唔等於商用產品一定照搬同一包 data，但代表「公開 dataset」早就係主流 AI 音樂研究嘅燃料。
對創作者同用 AI 音樂嘅人有咩影響
如果你係音樂人，可以先查自己 artist 名同常用拼法，再記低係邊個 dataset、出現幾多次、source 係 YouTube、Spotify 定 FMA；呢啲唔係訴訟結論，但係之後搵平台、publisher、唱片公司或者律師傾，會實淨過淨係講「我覺得俾 AI 用咗」。如果你係 YouTuber、podcaster、廣告或短片創作者，風險就係另一邊：AI music tool 寫住 royalty-free，都唔代表訓練來源、output 授權同客戶商用要求全部冇問題。品牌 job 最好留低服務條款版本、生成日期、prompt、輸出檔同授權頁面截圖，唔好只靠一句「AI 生成」交差。
下一步睇咩
AI 音樂而家已經由玩具變成內容供應鏈一部分。AI 音樂數量愈來愈多，平台、工具商同用家都要交代來源同授權。The Atlantic 呢個 database 唔會一次過解決版權爭議，但佢起碼令討論可以返到逐首歌、逐個 dataset 嘅證據上；做音樂、做影片、做廣告嘅人，而家最少多咗一個地方可以先查清楚。
參考來源
- The Verge — The Atlantic created a searchable database of the music used to train AI — original report
- The Millions of Songs Mashed Into AI-Generated Music — The Atlantic 原調查，補充四個 dataset、AI music 工具同訓練資料透明度脈絡。
- AI Watchdog: LAION-DISCO-12M — 核對 LAION-DISCO-12M 嘅 12,320,916 首、YouTube 來源同 91 年音樂總量。
- AI Watchdog: Sleeping-DISCO-9M — 核對 Sleeping-DISCO-9M 嘅 9,713,413 首、YouTube 同 Genius lyrics 資料。
- AI Watchdog: Spotify Tracks Dataset — 核對 Spotify Tracks Dataset 嘅 114,000 首、Hugging Face 來源同下載次數。
- LAION-DISCO-12M — LAION 官方說明，核對 dataset 只含 links／metadata、研究用途同商業使用警告。
- MusicLM: Generating Music From Text — Google 研究 paper，核對 MusicLM 用 FMA 同 500 萬段 audio clip、28 萬小時音樂訓練嘅資料。
- Stable Audio Open: Research Paper — Stability AI 官方頁，核對 Stable Audio Open 用 Freesound 同 FMA subset、Creative Commons 同審查說法。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
