我想在公共数据集中测试我的音乐类型算法，以与其他预先存在的算法进行比较。在MIREX的情况下，所有数据都不可用。 我发现GTZAN数据集可以在一个链接中找到（marsyas.info/download/data_sets） 但是，现在我无法使用它。
您知道我怎样才能获得这些数据？因为我使用除MFCC以外的其他功能，所以我需要流派注释以及音乐。
提前致谢。
答案 0 :(得分：8)
编辑：现在看来，Marsyas页面托管在marsyasweb.appspot.com，你可以在data sets子页面找到GTZAN数据库的链接。
我也在为我的大学项目寻找GTZAN数据集，我发现http://marsyas.info已关闭，所以我使用google web cache for marsyas.info/download/data_sets（查看更多信息）。幸运的是，GTZAN数据集托管在http://opihi.cs.uvic.ca，您可以download them！
但在使用数据集之前请注意许可 （来自缓存的marsyas下载页面的信息）：
该数据集用于流派分类中的知名论文＆＃34;音频信号的音乐类型分类＆＃34;作者：G。Tzanetakis和P. Cook在IEEE Transactions on Audio and Speech Processing 2002。
不幸的是，数据库是在我的研究中逐渐收集的，所以我没有标题（显然没有版权许可等）。这些文件是在2000-2001期间从各种来源收集的，包括个人CD，收音机，麦克风录音，以表示各种录音条件。尽管如此，我一直在向研究人员提供它主要用于比较目的等。如果您打算使用此数据集发布实验结果，请联系George Tzanetakis（gtzan@cs.uvic.ca）。
数据集由每30秒长的1000个音轨组成。它包含10种类型，每种类型由100个轨道代表。这些曲目都是.wav格式的22050Hz单声道16位音频文件。
也许您也会对其他数据集感兴趣，例如Magnatagatune - http://tagatune.org/Magnatagatune.html。
答案 1 :(得分：3)
我也在寻找这样的基准
我在一篇名为“从声音到'感觉'的论文中找到了这一点，通过特征提取和机器学习 - 推导出用于表征音乐的高级描述符”：
目前音乐界正在进行一些努力 信息检索社区编译大型存储库 标记的音乐，可供所有感兴趣的研究人员使用 没有版权问题。值得注意的例子是Masa- taka Goto的RWC音乐数据库（http://staff.aist.go.jp/m.goto/RWC-MDB）， IMIRSEL（国际音乐信息检索系统评估） 伊利诺伊大学厄巴纳 - 香槟分校的实验室项目 （http://www.music-ir.org/evaluation-另见[12]），以及新的 FreeSound Initiative（http://freesound.iua.upf.edu）。
但我找不到任何有用的东西。获取第一个提到的数据库的副本的过程是here，但看起来非常复杂！
答案 2 :(得分：2)
听起来你可能想要Million Songs Dataset，它有一百万首歌曲，有音频功能，标签，歌词等等，由Echonest和Labrosa重新发布。当然，这是假设您正在使用音乐元数据和转录。
如果您正在寻找原始音频......这是另一回事。我不知道你是否愿意发表，在这种情况下，知识产权法可能是一个更重要的因素。但是对于私人测试，我怀疑你可以只使用你自己的音乐库中的文件（例如，iTunes下载已经有一个类型标签来测试你的算法）。
免责声明：我不是律师。接受我的法律建议需要您自担风险。
答案 3 :(得分：2)
我知道这个答案已经很久了，但是我觉得有必要用我的答案来更新这个线程。
取决于您的流派分类实现，我假设这是基于内容的（频谱图在深度学习方法中很常用，但是您确实提到了MFCC），您可能会发现查找具有已提取特征的数据集很容易从音频。这可能是直接将您的结果与其他方法进行比较的最简单方法。
为此，您可以使用拉丁音乐数据库（可以从here获得），免费音乐档案库（可以从here获得），希腊音乐或音频数据集。可以从here获取的CAL10k / CAL500数据集here中获得，以及几乎可以从此website抓取到的其他任何数据集。
否则，我建议做的是使用一些特征提取库或工具箱自己提取这些特征，这样就可以使用GTZAN或Ballroom数据集（或其他有音频的数据集）文件）。 betatester07 的链接目前仍在起作用！
我发现最容易使用的特征提取方法分别是Java和Python的jAudio或LibROSA。使用jAudio，您还可以从命令行调用它，或者仅使用gui，它也接受批处理文件，因此您可以一次处理一大堆音频文件。使用这些提取方法，如果它们在要实施或比较的论文中抬起头来，则可以获得与那些标准特征匹配的所有特征。
请谨慎使用这些标准“基准”数据集，因为它们仍然存在缺陷。为此，您想查看Sturm的work。
希望有帮助：）