atlántico El reportero Alex Rezner reveló recientemente Cuatro conjuntos de datos Música utilizada para entrenar y construir modelos de IA Totalmente buscable Al público. Dos de las colecciones son bastante grandes y contienen 12 millones y 9 millones de pistas de audio. Los otros dos son mucho más pequeños, pero aún representan una gran cantidad de datos de entrenamiento de más de 100.000 canciones cada uno.
Según Reisner, estas colecciones han sido descargadas miles de veces, y aunque es imposible saber exactamente quién las utilizó, Google y estabilidad Ambos han sido confirmados en artículos de investigación. Algunas fuentes como Archivo de música gratuito Los conjuntos de datos se pueden transmitir de forma gratuita para uso personal, pero requieren una licencia para aplicaciones comerciales.
Si bien en teoría los conjuntos de datos están disponibles gratuitamente en línea, usarlos como datos de entrenamiento no es tan simple como descargar un archivo ZIP e introducirlo en un modelo de IA. Como explica Reisner:
Tres de los conjuntos de datos que encontré se distribuyeron como una lista de enlaces a canciones en YouTube o Spotify. Los desarrolladores de IA descargan audio real utilizando herramientas que automatizan la tarea, algunas de las cuales permiten a los desarrolladores evitar inicios de sesión, anuncios y mecanismos que podrían generar ingresos o suscriptores para los creadores. Estas herramientas violan los términos de servicio de estas plataformas.