许可协议：cc-by-nc-4.0 推理：不支持 标签：

• 音乐 流水线标签：音频分类

系列工作介绍

我们的音乐音频预训练（m-a-p）模型家族开发日志：

• 2023年6月2日：发布预印版论文及训练代码
• 2023年3月17日：发布采用新范式与数据集训练的高级音乐理解模型MERT-v1-95M和MERT-v1-330M，其性能超越前代模型且具备更优的任务泛化能力
• 2023年3月14日：使用纯开源音乐数据集重新训练MERT-v0-public模型
• 2022年12月29日：基于MLM范式训练的音乐理解模型MERT-v0，在下游任务中表现更佳
• 2022年10月29日：采用BYOL范式训练的预训练MIR模型music2vec

快速选型表：

术语说明

m-a-p系列模型共享相似架构，核心差异在于预训练范式。使用前需注意以下技术细节：

• 模型规模：需加载到内存的参数总量，请根据硬件条件选择
• Transformer层数-维度：模型输出的Transformer层数及对应特征维度（不同任务中各层特征表现存在差异）
• 特征率：1秒音频输入对应的特征输出数量
• 采样率：模型训练的音频频率

MERT-v1 介绍

相较于MERT-v0，v1版本引入多项创新：

• 采用EnCodec的8码本伪标签，提升质量并支持音乐生成
• 引入批内噪声混合的MLM预测
• 更高音频采样率（24K Hz）
• 更大训练数据量（最高160,000小时）
• 新增95M/330M两种模型规格

完整细节将在后续论文中披露。

使用示例

# 代码内容与原文保持一致，此处省略翻译

引用文献

# 文献引用内容与原文保持一致，此处省略翻译