このデータセットは、高品質の合法なオーディオダウンロードのインタラクティブなライブラリであるフリーミュージックアーカイブ（FMA）のダンプです。以下は論文の要約からの抜粋です。

我々は、MIR（音楽情報検索）における複数のタスクを評価するのに適した、オープンでアクセスしやすいデータセットであるフリーミュージックアーカイブ（FMA）を紹介します。MIRは、大規模な音楽コレクションの閲覧、検索、組織に関連する分野です。しかし、コミュニティにおける機能やエンドツーエンド学習への関心が高まっているものの、大規模なオーディオデータセットの可用性が限られていることが制約となっています。FMAは、この障壁を克服することを目的として、161のジャンルの階層分類法を用いて、16,341人のアーティストと14,854枚のアルバムからの106,574曲の楽曲について、917 GiB、343日分のクリエイティブ・コモンズライセンスのデータを提供します。これには、全長で高品質のオーディオ、事前計算された特徴量、およびトラックやユーザーレベルのメタデータ、ラベル、および伝記などの自由形式のテキストが含まれています。我々はここで、データセットとその作成方法を説明し、トレーニング/検証/テストの分割と3つのサブセットを提案し、いくつかの適切なMIRタスクについて議論し、ジャンル識別のためのいくつかのベンチマークを評価します。コード、データ、および使用例は、以下のウェブサイトから入手できます：https://github.com/mdeff/fma。

データ内容：

すべての曲目的すべてのメタデータと特徴量は、fma_metadata.zip（342 MiB）に分散されています。以下の表は、Pandasまたは他のデータ分析ツールと共に使用できます。説明については、論文または使用例のノートブックを参照してください。

• tracks.csv：すべての106,574曲の各曲のメタデータ（ID、タイトル、アーティスト、ジャンル、レーベル、再生回数など）。

• genres.csv：すべての163のジャンルIDとその名前および親（ジャンル階層とトップレベルのジャンルを推測するため）。

• features.csv：librosaを使用して抽出された共通特徴量。

• echonest.csv：Echonest（現在はSpotify）が提供するオーディオ特徴量で、13,129曲のサブセットに使用できます。

データ引用：

@inproceedings{fma_dataset,
  title = {FMA: A Dataset for Music Analysis},
  author = {Defferrard, Micha"el and Benzi, Kirell and Vandergheynst, Pierre and Bresson, Xavier},
  booktitle = {18th International Society for Music Information Retrieval Conference},
  year = {2017},
  url = {https://arxiv.org/abs/1612.01840},
}

詳細な使用方法や紹介は、ソースページを参照してください。