4 個音樂資料集正在改寫 AI 訓練

四個大型音樂資料集正在影響 AI 音樂模型的訓練方式。

這份清單看完，你可以快速判斷 4 個資料集各自的規模、來源透明度與法律風險，進而看懂音樂 AI 為何正從「抓資料訓練」走向「談授權合作」。

1. LAION-DISCO-12M 先把規模拉到最大

LAION 的 LAION-DISCO-12M 是報導中最清楚、也最大的公開資料集之一，2024 年 11 月釋出，規模超過 1200 萬首。它的定位不是商業成品資料庫，而是研究用途。

這點很重要，因為它不是直接分發音訊檔，而是提供公開 YouTube 曲目連結與中繼資料。對 AI 開發者來說，這種形式更容易擴大訓練集；對版權方來說，則更難追蹤實際用了哪些內容。

• 1200 萬以上曲目
• 2024 年 11 月發布
• 研究用途框架
• 提供連結與 metadata，不直接提供音訊

2. 900 萬首的集合最能放大不透明問題

第二個大集合約有 900 萬首，但報導摘要沒有交代公開來源，這種不完整資訊正是音樂產業最在意的地方。當資料集大到這個量級，模型就可能在流派、年代與歌手目錄上都受到影響。

報導提到，這 4 個資料集合計超過 2100 萬首，且包含 Bad Bunny、Nirvana、Taylor Swift、Billie Eilish、Pearl Jam 和 The Beatles 等作品。對權利人來說，真正棘手的不只是「有沒有用到」，而是「怎麼用到、誰能查到」。

• 約 900 萬首
• 來源在摘要中未完整揭露
• 屬於兩個最大集合之一
• 涉及受版權保護的音樂

3. Free Music Archive 是最容易追溯的案例

Free Music Archive 最早是 2017 年由學術研究者發布，目的是做 music-information-retrieval，也就是搜尋、分類與分析音樂的研究。它的優勢不是量最大，而是來源最清楚。

這個資料庫來自 WFMU 的曲庫，許多作品早就以較寬鬆的 Creative Commons 授權公開。這讓它和後來被拿去訓練生成式 AI 的資料相比，具有更明確的授權脈絡。

• 10 萬以上曲目
• 2017 年以學術用途發布
• 基於 Creative Commons 授權作品
• 據報導被 Google 與 Stability AI 使用

4. 另一個 10 萬級資料集反映審計難度

第四個集合也是約 10 萬首，但報導摘要沒有點名。這種「有規模、沒名字」的狀況，正好說明音樂 AI 訓練資料的審計難題：外界知道它存在，卻不一定知道它怎麼來、怎麼被用。

The Atlantic 的報導指出，這 4 個資料集都被下載過好幾千次。當下載次數已經這麼高，卻仍缺少完整公開資訊，版權爭議自然會持續擴大。

• 10 萬以上曲目
• 在摘要中未命名
• 曾被下載數千次
• 最能代表訓練資料的黑箱問題

5. 真正的轉折是授權，不只是資料集

Udio 與 Suno 正面臨至少 12 起訴訟，但市場走向已經不只是在法院裡拉鋸。Universal Music Group 已在 2025 年 10 月與 Udio 和解，Warner Music Group 也先後與 Udio、Suno 達成協議。

這代表一個明顯訊號：音樂 AI 可能會從開放式抓取訓練，轉向授權式系統。Sony Music 仍在訴訟中，獨立音樂人與美國音樂家聯盟也還在追討未授權使用的補償。

• Udio 面臨至少 12 起訴訟
• UMG 已與 Udio 和解
• Warner 也與 Udio、Suno 達成協議
• Sony Music 仍在訴訟中

怎麼挑，才看得懂這場戰局

如果你重視規模，LAION-DISCO-12M 最值得看；如果你重視來源與授權脈絡，Free Music Archive 最有參考價值；如果你想判斷產業未來走向，Udio 和 Suno 的授權協議比單一資料集更重要。

對一般讀者來說，這份清單最重要的結論不是誰收錄最多，而是音樂 AI 的核心競爭已經從「資料量」轉到「資料能不能被查清楚、能不能合法使用」。