加州大学圣地亚哥分校联合MIT发布JazzSAMBA爵士乐数据集 填补多轨音频分析领域空白

随着生成式AI与音频技术的快速迭代，音乐信息检索、AI音乐创作、智能音频处理等赛道的落地速度持续加快，而细分音乐流派的高质量标注数据集，是支撑相关技术研发的核心基础设施。爵士乐作为结构灵活、即兴属性突出的音乐流派，长期以来缺乏标准化的多轨原始音频及结构化标注数据集，制约了相关技术的研发进展。2026年9月28日，加州大学圣地亚哥分校联合麻省理工学院在预印本平台arXiv正式首发JazzSAMBA数据集，这也是全球首个面向爵士标准曲的多轨音频数据集。

据介绍，该数据集共收录76首经典爵士标准曲，涵盖8位职业爵士乐手演奏的鼓、贝斯、钢琴、小号及萨克斯五大核心爵士乐器音轨，总时长约16.1小时。为适配不同研究场景的需求，数据集设置了异步（分轨录制）和同步（乐队合奏）两种录制协议，同时提供首选与备选两类录音版本供研究人员选择。在数据标注环节，研究团队设计了严格的标注流程：音乐家先按标准曲目完成异步分轨录制，随后进行同步合奏，所有音轨均由专业人员手动标注小节节点、和弦序列、段落结构及独奏者身份等核心标签，最大程度保障了标注的准确性与专业度。

从应用价值来看，JazzSAMBA数据集可支撑多类音乐科技领域的研究与落地：在学术研究层面，可用于图表条件伴奏生成、爵士乐队声源分离、形式感知音乐信息检索等核心任务，解决此前爵士乐音频分析中缺乏训练数据的痛点；在产业落地层面，该数据集的多轨标注特性可被应用于在线音乐平台的爵士乐内容精准分类、音乐教育场景的AI爵士伴奏陪练工具开发、专业音乐制作领域的智能分轨混音工具研发，还可为生成式AI爵士乐创作模型提供高质量的训练数据，提升AI输出内容的专业度与真实感。

业内人士指出，JazzSAMBA的发布直接弥补了爵士乐领域此前缺乏高质量、多轨标注数据集的空白，不仅为全球音乐科技研究者提供了标准化的基础数据支撑，其在录制流程设计、标注规范制定等方面的经验，也为其他音乐流派的多轨数据集构建提供了可参考的范式，对完善音乐科技领域的数据基础设施、推动音频AI技术的细分场景落地具有积极意义。

查看JazzSAMBA

详情页内容：