不过，AI Watchdog也强调了两点：其一，四个库并没有穷尽所有训练来源;其二，某首作品出现在数据集中，并不必然等于它最终被某个模型实际用来训练。但即便如此，也足以说明：在创作者不知情的情况下，大量音乐作品已经进入AI开发者可以随意获取和调用的候选原料池。

　　据介绍，这4份数据库涵盖众多流行巨星的热门作品，包括Bad Bunny、Nirvana、Taylor Swift、Billie Eilish、Pearl Jam、Beatles，同时收纳了大量爵士名家作品与古典乐曲目。

　　其中，体量最大的LAION-DISCO-12M由德国非营利机构LAION于2024年11月发布，知名图像生成模型Stable Diffusion的训练数据集同样出自该机构。

　　官方声明中，该数据集仅限于学术研究，严禁商业落地或直接用于成品制作。然而，“仅供研究”的限定，在现实中面临法律裁量的模糊地带与开源社区的扩散惯性，数据集一经发布，其后续流向与使用意图便不再受原始发布者的掌控。

　　另一套超大型曲库Sleeping-DISCO-9M则以YouTube音乐内容和Genius歌词为核心来源，开发者借助cloudscraper绕过Cloudflare对Genius页面的抓取限制，再将歌词、元数据与YouTube链接进行匹配。相比普通音乐资料库，它属于面向生成式音乐模型的预训练数据集，可用于文生音乐、音乐数据标注、歌声合成等任务。

　　相比之下，Spotify Tracks Dataset的问题则集中在来源透明度上。媒体将其描述为一批从Spotify扒下来的曲目集合，由开源社区Hugging Face上一名身份不明的AI开发者上传。