档案 · 来源台账

来源台账

本页回答一个问题：来源页上写的那个「原始地址」，凭什么说它是我们真正取得数据的地方？每个来源都给出地址、取得方式、本地证据文件、整包校验值与核验日期。

机器可读版 provenance.json · 复核脚本 tools/provenance.py · GitHub · PROVENANCE.md

三条规则

① 地址唯一且真实——每个来源只登记一个地址，等于我们实际取得数据的位置；不写泛泛的站点首页，不写凭印象猜的官网，更不写与数据无关的站点。

② 档位必须与数据一致——C1 可商用 / C2 非商用 / C3 学习研究，逐曲写入目录的 z 字段；来源页标注与数据不一致即视为缺陷。

③ 可复核——每条地址都有本地证据（数据自述 / 采集台账 / 校验值）与核验日期，并附可执行的复核脚本；校验值分三级，本地快照绝不冒充上游官方值。

总表

19 个来源 · 合计 124,179 首 · 核验 2026-09-21

aria · C2 · 32,522: https://github.com/loubbrad/aria-midi
thesession · C1 · 23,250: https://github.com/adactio/TheSession-data
cyberhymnal · C1 · 10,945: https://www.hymntime.com/tch/
chinafolk · C3 · 10,473: https://github.com/m-july/Anthology-of-Chinese-Folk-Songs
essen · C1 · 10,373: https://www.esac-data.org/
giantmidi · C1 · 10,112: https://github.com/bytedance/GiantMIDI-Piano
lakh · C3 · 9,640: https://colinraffel.com/projects/lmd/
norbeck · C1 · 3,439: https://norbeck.nu/abc/
m21 · C1 · 3,029: https://github.com/cuthbertLab/music21
mutopia · C1 · 1,860: https://www.mutopiaproject.org/
abcmisc · C1 · 1,487: http://trillian.mit.edu/~jc/music/abc/
openscore · C1 · 1,438: https://github.com/OpenScore/Lieder
maestro · C2 · 1,276: https://magenta.tensorflow.org/datasets/maestro
groove · C1 · 1,149: https://magenta.tensorflow.org/datasets/groove
emopia · C2 · 1,071: https://zenodo.org/records/5257995
nottingham · C1 · 1,033: https://ifdo.ca/~seymour/nottingham/
wikifonia · C1 · 445: http://www.synthzone.com/files/Wikifonia/Wikifonia.zip
oga · C1 · 340: https://opengameart.org/
musicnet · C1 · 297: https://zenodo.org/records/5120004

逐源明细

ariaC232,522 首

原始地址: https://github.com/loubbrad/aria-midi
取得方式: GitHub 仓库克隆（Unique 子集，32,522 首；仓库 README 自述 ICLR 2025 Bradshaw & Colton）
入库脚本: tools/ingest_aria.py
本地证据: sources/ariamidi/README.md（含 `github.com/loubbrad/aria-midi`）
本地规模: sources/ariamidi · 32,578 文件 / 513.5MB
取得时点: 2025-04-08（依据：earliest file mtime · sources/ariamidi）
许可: CC BY-NC-SA 4.0（C2）—— CC BY-NC-SA 4.0（非商用 · 相同方式共享）→ C2
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

thesessionC123,250 首

原始地址: https://github.com/adactio/TheSession-data
取得方式: 官方数据转储仓库整包（周更 CSV/JSON，含 tunes.csv / sets.csv / thesession.db），本地 ZIP 归档
入库脚本: tools/ingest_abc.py
本地证据: sources/thesession-data/README.mdown（含 `The Session`）；sources/thesession-data/.gitattributes（含 `lfs`）
本地规模: sources/thesession-data · 24 文件 / 197.2MB
整包校验: thesession-data.zip · 50,307,527 字节 · MD5 e951ebb0faaf49c99e2c252d009bc1a3
取得时点: 2026-09-17（依据：archive mtime · thesession-data.zip）
许可: CC BY-SA 4.0（C1）—— CC BY-SA 4.0 **+ 附加「禁止用于大语言模型」条款**：不得用大模型使用/改编/修改/处理该素材（含训练 LLM、借助 LLM 工具处理、并入 LLM 相关应用），仅无障碍方案有豁免 → C1（但受该附加条款约束）
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

cyberhymnalC110,945 首

原始地址: https://www.hymntime.com/tch/
取得方式: hymntime.com/tch 的官方索引与 MIDI 整包（tch-idx / tch-mida 7z + 按字母分卷）
入库脚本: tools/ingest_cyberhymnal.py
本地证据: sources/cyberhymnal/idx/tch-idx.txt（含 `The Cyber Hymnal`）
本地规模: sources/cyberhymnal · 13,647 文件 / 38.8MB
取得时点: 2004-02-12（依据：earliest file mtime · sources/cyberhymnal）
许可: Public Domain（C1）—— 公有领域（PD）→ C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

chinafolkC310,473 首

原始地址: https://github.com/m-july/Anthology-of-Chinese-Folk-Songs
取得方式: GitHub 公开的《中国民间歌曲集成》OMR 数字化项目整包（14 卷 MIDI，按省份分目录；本地 china-folk.zip 844,201,672 B）
入库脚本: tools/ingest_chinafolk.py
本地证据: docs/internal/licence-draft-chinafolk.md（含 `github.com/m-july/Anthology-of-Chinese-Folk-Songs`）；sources/china-folk/lyrics-included/beijing
本地规模: sources/china-folk · 20,960 文件 / 306.3MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/china-folk）
许可: 传统音乐 · 学习研究（C3）—— 上游未声明许可 → 定为 TRADITIONAL-STUDY，C3 仅学习研究
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

essenC110,373 首

原始地址: https://www.esac-data.org/
取得方式: esac-data.org 的 EsAC 数据库（原生 .sm 编码与 .abc 转写成对，共 81 文件）
入库脚本: tools/ingest_abc.py
本地证据: sources/essen/esac/dva0.sm（含 `REG[`）；sources/essen/esac/HAN1.abc（含 `O: China`）
本地规模: sources/essen · 81 文件 / 7.1MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/essen）
许可: Public Domain / Open（C1）—— 站点开放声明 → C1；含少量受限条目（见来源页备注）
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

giantmidiC110,112 首

原始地址: https://github.com/bytedance/GiantMIDI-Piano
取得方式: 官方仓库 + disclaimer.md 指明的官方网盘（Google Drive / 百度网盘）下载 MIDI 整包 midis_v1.2.zip 192,678,627 B，与官方 README 所述「stable version (193 MB)」一致
入库脚本: tools/ingest_giantmidi.py
本地证据: sources/giantmidi/extracted/GiantMIDI-PIano/README.md（含 `github.com/bytedance/GiantMIDI-Piano`）
本地规模: sources/giantmidi · 10,860 文件 / 959.9MB
整包校验: GiantMIDI-PIano-20260919T005501Z-1-001.zip · 335,559,541 字节 · MD5 2743966fa349908fe5bc21503e897acb
整包校验: midis_v1.2.zip · 192,678,627 字节 · MD5 aaece5750b0cfe30b6a3be5c7bb14f83
整包校验: surname_checked_midis_v1.2.zip · 135,604,744 字节 · MD5 0bc634338b156cadababd99f8da03470
上游口径: size:midis_v1.2.zip = 192,678,627 B ≈ 193 MB —— GiantMIDI-Piano README「stable version of GiantMIDI-Piano (193 MB)」
取得时点: 2026-09-19（依据：archive mtime · GiantMIDI-PIano-20260919T005501Z-1-001.zip）
许可: CC BY 4.0（C1）—— CC BY 4.0 → C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

lakhC39,640 首

原始地址: https://colinraffel.com/projects/lmd/
取得方式: 官方下载主机 hog.ee.columbia.edu/craffel/lmd/lmd_full.tar.gz（1,768,163,879 B）分卷下载后合并；入库前剔除含版权声明的曲目与流行/影视路径
入库脚本: tools/ingest_lakh.py
本地证据: tools/dl_lakh_multipart.py（含 `hog.ee.columbia.edu/craffel/lmd/lmd_full.tar.gz`）
本地规模: sources/lakh · 11 文件 / 3562.6MB
整包校验: lmd_full.tar.gz · 1,768,163,879 字节 · MD5 2536ce3fd2cede53ddaa264f731859ab
取得时点: 2026-09-18（依据：archive mtime · lmd_full.tar.gz）
许可: CC BY 4.0（C3）—— 数据集 CC BY 4.0，但内容层过滤后定为 C3 学习研究（study）
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

norbeckC13,439 首

原始地址: https://norbeck.nu/abc/
取得方式: norbeck.nu/abc 的 ABC 曲集（文件头部即写明站点地址）
入库脚本: tools/ingest_abc.py
本地证据: sources/norbeck/hnair0.abc（含 `http://www.norbeck.nu/abc/`）
本地规模: sources/norbeck · 72 文件 / 1.9MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/norbeck）
许可: Open / Free（C1）—— 作者无偿开放 → C1（保留署名）
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

m21C13,029 首

原始地址: https://github.com/cuthbertLab/music21
取得方式: 随 music21 工具包分发的 CoreCorpus（site-packages/music21/corpus，3,219 文件 / 60.6MB），含 kern 与 MusicXML，由 ingest_music21.py 导出 MIDI
入库脚本: tools/ingest_music21.py
本地证据: tools/ingest_music21.py（含 `music21`）
本地规模: (pip) /music21/corpus · 3,219 文件 / 60.6MB
许可: Public Domain（C1）—— 语料内作品多为 PD → C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

mutopiaC11,860 首

原始地址: https://www.mutopiaproject.org/
取得方式: fetch_mutopia.py 从 www.mutopiaproject.org/ftp/ 抓取 .ly 源码并转换
入库脚本: tools/ingest_mutopia.py
本地证据: tools/fetch_mutopia.py（含 `www.mutopiaproject.org/ftp/`）
本地规模: sources/mutopia · 3,070 文件 / 30.0MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/mutopia）
许可: Public Domain / CC（逐曲）（C1）—— 逐曲 PD/CC → C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

abcmiscC11,487 首

原始地址: http://trillian.mit.edu/~jc/music/abc/
取得方式: trillian.mit.edu/~jc/music/abc/ 的 John Chambers 曲集（5 个 .abc：克莱兹梅尔/巴尔干/国际/以色列）
入库脚本: tools/ingest_abc.py
本地证据: sources/abc-misc/allklez.abc（含 `trillian.mit.edu`）
本地规模: sources/abc-misc · 5 文件 / 1.0MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/abc-misc）
许可: Open / Free（C1）—— 站点开放声明 → C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

openscoreC11,438 首

原始地址: https://github.com/OpenScore/Lieder
取得方式: GitHub OpenScore/Lieder 仓库整包（本地 openscore-lieder.zip 191,547,791 B），MuseScore 源转 MIDI
入库脚本: tools/ingest_openscore.py
本地证据: sources/openscore-lieder/scores
本地规模: sources/openscore-lieder · 2,814 文件 / 512.3MB
整包校验: openscore-lieder.zip · 191,547,791 字节 · MD5 029bb94357740e0ab60556a9d9da97c9
取得时点: 2026-09-17（依据：archive mtime · openscore-lieder.zip）
许可: CC0 1.0（C1）—— CC0 1.0 → C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

maestroC21,276 首

原始地址: https://magenta.tensorflow.org/datasets/maestro
取得方式: 官方页面发布的 maestro-v3.0.0（MIDI 分卷 + CSV 元数据），本地 1,278 文件 / 84.5MB
入库脚本: tools/ingest_mididir.py
本地证据: tools/ingest_mididir.py（含 `MAESTRO v3.0.0`）；sources/maestro/maestro-v3.0.0
本地规模: sources/maestro · 1,278 文件 / 84.5MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/maestro）
许可: CC BY-NC-SA 4.0（C2）—— CC BY-NC-SA 4.0 → C2 非商用
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

grooveC11,149 首

原始地址: https://magenta.tensorflow.org/datasets/groove
取得方式: 官方页面发布的 Groove MIDI Dataset（含 info.csv 元数据），本地 1,150 文件
入库脚本: tools/ingest_groove.py
本地证据: tools/ingest_groove.py（含 `Groove MIDI Dataset`）；sources/groove/groove
本地规模: sources/groove · 1,150 文件 / 5.3MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/groove）
许可: CC BY 4.0（C1）—— CC BY 4.0 → C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

emopiaC21,071 首

原始地址: https://zenodo.org/records/5257995
取得方式: Zenodo 记录 5257995（版本 2.2）发布的 EMOPIA_2.2 数据包；本地目录名即版本名
入库脚本: tools/ingest_mididir.py
本地证据: tools/ingest_mididir.py（含 `EMOPIA_2.2`）；sources/emopia/EMOPIA_2.2
本地规模: sources/emopia · 1,084 文件 / 2.1MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/emopia）
许可: CC BY-NC-SA 4.0（C2）—— CC BY-NC-SA 4.0 → C2 非商用（原站上曾误标 CC BY 4.0 / main，v11.4 已改正）
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

nottinghamC11,033 首

原始地址: https://ifdo.ca/~seymour/nottingham/
取得方式: ifdo.ca/~seymour/nottingham/ 的 ABC 校订版（Seymour Shlien 修正缺失拍与反复）；目录内 nottingham.html 自述「最新版在此下载」
入库脚本: tools/ingest_abc.py
本地证据: sources/nottingham/nottingham_database/nottingham.html（含 `ifdo.ca/~seymour/nottingham/`）
本地规模: sources/nottingham · 16 文件 / 0.5MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/nottingham）
许可: Open / Free（C1）—— 站点开放声明 → C1（数据库由 Eric Foxley 建立）
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

wikifoniaC1445 首

原始地址: http://www.synthzone.com/files/Wikifonia/Wikifonia.zip
取得方式: 公开发布的 Wikifonia 整包 Wikifonia.zip（原站 wikifonia.org 已下线）
入库脚本: tools/ingest_wikifonia.py
本地证据: docs/internal/acquisition-ledger.md（含 `synthzone.com/files/Wikifonia/Wikifonia.zip`）
本地规模: sources/wikifonia · 1 文件 / 35.7MB
整包校验: Wikifonia.zip · 35,727,800 字节 · MD5 d26e22562e67eb7d37535e96cc5eebba
上游口径: md5:Wikifonia.zip = d26e22562e67eb7d37535e96cc5eebba —— muspy 数据集注册表 muspy.datasets.wikifonia
取得时点: 2026-09-17（依据：archive mtime · Wikifonia.zip）
许可: Public Domain（仅传统/民歌子集）（C1）—— 仅保留传统/民歌子集 → PD；C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

ogaC1340 首

原始地址: https://opengameart.org/
取得方式: fetch_oga.py 逐素材抓取 opengameart.org（逐 asset 许可记录在 tools/state/oga-progress.json）
入库脚本: tools/ingest_oga.py
本地证据: tools/fetch_oga.py（含 `opengameart.org`）；sources/oga
本地规模: sources/oga · 342 文件 / 4.2MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/oga）
许可: 逐曲混合（CC0 / CC BY / CC BY-SA / GPL）（C1）—— 逐曲混合（CC0 / CC BY / CC BY-SA / GPL）→ C1，须逐素材署名
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

musicnetC1297 首

原始地址: https://zenodo.org/records/5120004
取得方式: Zenodo 记录 5120004 的 musicnet_midis.tar.gz + musicnet_metadata.csv，本地 331 文件
入库脚本: tools/ingest_mididir.py
本地证据: tools/ingest_mididir.py（含 `sources/musicnet`）；sources/musicnet/musicnet_metadata.csv
本地规模: sources/musicnet · 331 文件 / 10.2MB
取得时点: 2026-09-17（依据：earliest file mtime · sources/musicnet）
许可: CC BY 4.0（C1）—— CC BY 4.0 → C1
核验: 2026-09-21 · 下次复核不晚于 2027-03-20

复核周期与变更纪律

Never change a source address without evidence first — if there is no evidence, do not change it.">台账设 180 天复核周期：到期时复核脚本会给出提醒，届时重新核验各地址（含整包哈希与可达性），并把新日期追加进时间线。「永久可复核」的含义是：不是核验一次就永远成立，而是永远有一条可复跑的核验路径加一个到期提醒。
改任何来源地址前，必须先取得证据再改；拿不到证据就不要改，也不要写。