Sangtekster er selvstændige ophavsretligt beskyttede værker, skrevet af sangskrivere og komponister og forvaltet af musikforlag. Sangtekster skrabet fra Genius er samlet i datasæt, der deles åbent til træning af kunstig intelligens. Nedenfor er de danske sangtekster, jeg har fundet. Søg din artist eller titel.
Genius er verdens største database af sangtekster. En stor samling af Genius-sangtekster, over fem millioner sange, er gjort tilgængelig som datasæt på Hugging Face, hvor det er blandt de mest hentede tekstdatasæt. Det rummer titel, artist, år og selve sangteksten. Lyrics-datasæt af denne type er dokumenteret brugt til at træne og finjustere sprogmodeller, blandt andet til at generere sangtekster og til tekstanalyse. Hvilke konkrete modeller der er trænet på netop dette datasæt, er ikke offentligt kendt, ligesom for de øvrige datasæt på siden.
Et forhold understreger, hvor lidt samtykke der ligger bag. Genius må ifølge sine egne aftaler med musikforlagene ikke selv udlevere sangtekster gennem sit API. Når teksterne alligevel er skrabet og delt som datasæt, er det altså sket udenom både Genius og forlagene.
Her er værket teksten og kompositionen. Hvor musiksiden dækker producenternes indspilningsrettigheder, er sangteksten et selvstændigt værk, hvis rettigheder tilhører sangskrivere, komponister og musikforlag. Det er altså en anden gruppe rettighedshavere end på musiksiden, selvom mange af navnene er de samme.
Jeg har gennemgået datasættet på to måder. Dels sangtekster, hvor sproget er registreret som dansk, dels sange af artister på en bred referenceliste over danske artister. Som udgangspunkt vises kun sangtekster med tydelig dansk tilknytning, altså en dansk sangtekst, et navn med æ, ø eller å, eller et flerords-artistnavn. Da mange korte danske kunstnernavne deles med udenlandske, ligger de øvrige match under filteret for muligt navnesammenfald, som du selv kan slå til.
Sangteksterne er skrabet fra Genius og videredistribueret som datasæt uden rettighedshavernes tilladelse. Hverken sangskrivere, komponister eller musikforlag er så vidt vides blevet spurgt, om teksterne måtte bruges til at træne kunstig intelligens. Om brugen er lovlig, er omstridt.
Oplysninger om artist, titel og år er gengivet, som de står i datasættet, og er ikke bekræftet hos rettighedshaverne. At en sangtekst optræder i datasættet, viser, at den har været tilgængelig og er blevet skrabet, ikke nødvendigvis at en bestemt sprogmodel er trænet på netop den.
| Artist | Titel | År | Tekstsprog |
|---|