安娜档案馆备份了Spotify的音乐元数据和文件,创建了首个完全开放的"音乐保存档案"。该档案包含2.56亿首曲目和1.86亿个独特ISRC码的元数据库,以及8600万音乐文件,覆盖约99.6%的收听量,以约300TB的种子文件形式按流行度分组发布。虽然安娜档案馆主要保存书籍和论文等文本资料,但这次抓住机会扩展到了音乐领域,以履行保存人类知识和文化的使命。

备份Spotify音乐库：全球首个开放式音乐保存计划

安娜档案馆团队近日宣布完成了对Spotify音乐库的大规模备份工作，创建了全球首个完全开放的音乐保存档案库。该项目包含约300TB的数据，通过种子文件分发，按音乐流行度分组。

项目亮点：

1. 数据规模：

   • 收录2.56亿首曲目的元数据（覆盖99.9%的曲目）
   • 保存8600万首音乐文件（约99.6%的播放量）
   • 包含1.86亿个唯一ISRC编码（远超MusicBrainz的500万）

2. 技术细节：

   • 流行度>0的曲目：保留原始160kbit/s OGG Vorbis格式
   • 流行度=0的曲目：转码为75kbit/s OGG Opus格式
   • 数据截止至2025年7月

3. 开放特性：

   • 任何拥有足够存储空间的人都可以轻松镜像
   • 采用安娜档案馆容器格式（AAC）分发

现有音乐保存的三大问题：

1. 过度聚焦热门艺术家
2. 过度追求最高音质（如FLAC格式）
3. 缺乏权威的全音乐目录

数据发布计划：

• [X] 元数据（2025年12月）
• [ ] 音乐文件（按流行度顺序发布）
• [ ] 附加文件元数据
• [ ] 专辑封面
• [ ] 原始文件重建补丁

数据探索发现：

• 70%的曲目几乎无人收听（播放量<1000次）
• 前1万首热门歌曲的流行度在70-100之间
• 曲目时长呈现明显的整分钟峰值（2:00、3:00、4:00等）
• 近年新增音乐中可能包含大量AI生成内容

如何参与：

1. 向安娜档案馆捐款
2. 帮助做种（即使只做种少量文件也有帮助）

团队表示，这个项目旨在保护人类音乐遗产免受自然灾害、战争、预算削减等威胁。虽然安娜档案馆通常专注于文本保存，但这次音乐保存项目被视为保护人类文化的延伸。

（注：本文保留了技术细节和关键数据，删减了部分SQL查询示例和重复性统计图表描述）

以下是评论内容的总结：

1. 版权合法性争议

• 质疑行为的合法性："How legal is this with regards to copyright laws?" (lelouch9099)
• 批评盗版行为："Stealing from tens of thousands of artists... is scummy" (basisword)

2. 技术成就与规模

• 赞赏技术突破："this is technically very impressive" (syntaxing)
• 惊叹数据规模："Anna's rip includes roughly 186 million unique records" (Etheryte)

3. 对AI研究的价值

• 看好开源模型发展："a godsend for researchers working on music classification" (crazygringo)
• 预测AI发展影响："kickstarts open source music generative AI from China" (syntaxing)

4. 实际使用问题

• 质疑实用性："trying to locate individual tracks... sounds horrible" (crazygringo)
• 存储与下载困难："how the fuck do I download that?" (krick)

5. 文化保存意义

• 支持媒体保存："intentionally destroying creative works is evil" (bob1029)
• 质疑音源质量："scraping Spotify... end up with low quality files" (ikamm)

6. 对Spotify的批评

• 不满推荐算法："absolutely terrible for recommendations" (vlaaad)
• 公司数据安全："largest proprietary datasets ever publicized" (827a)

7. 法律风险担忧

• 担心运营者下场："how deep the hole they're gonna put whoever runs this" (throwaway613745)
• 自我审查必要性："can't publicly admit what dataset you used" (crazygringo)

关键引用保留： 1. "Stealing from artists and calling it preservation is scummy" (basisword) "盗取数万艺术家的作品还美其名曰'保存'很卑鄙" 2. "This will be a godsend for music AI researchers" (crazygringo) "对音乐AI研究者来说简直是天赐之物"