揭秘 AI osu! mania 作谱模型背后的数据集

AI beatmap 生成器的大部分工作并不在模型上，而在数据上：决定哪些谱面值得学习，确保每个训练样本的 timing 都正确，并用一种能抓住“可玩性”本质的形式来表示谱面。这篇文章带你看看 ManiaGAI v2 的模型所学习的语料库——里面有什么，以及它为什么是现在这个样子。

语料库概览

谱面

150,622

歌曲

86,255

作谱者

~14,500

不重复音频

4,227 小时

也就是 150,622 张人工制作的 osu! mania 谱面，涵盖 86,255 首歌曲，出自大约 14,500 位不同的作谱者——共 4,227 小时的不重复音频。它一开始并没有这么大：在后来成为第 2 版的那段开发过程中，训练集从约 83,000 张谱面增长到了现在的规模。

不只是 ranked 谱面

最显而易见的选择是只用 ranked 谱面训练——它们经过审核，timing 经过检查，代表了社区的质量标准。我们刻意没有这么做。ranked 谱面只是人们实际做谱和游玩内容中很小、风格也很窄的一部分：在这个语料库里，每六张谱面中只有一张是 ranked。

状态取自 osu!，截至 2026 年 10 月。

四分之三的谱面处于 pending、WIP 或 graveyard 状态——也就是从未经过 rank 流程的谱面，但这并不等于它们很差：这意味着没人审核过它们，而不是它们没通过审核。只从 ranked 谱面学习的模型，学到的是 ranked 区的习惯；从整个社区学习的模型，才能看到人们做谱方式的全貌。

osu! 之外：BMS 与 O2Jam

这个语料库已经横跨不止一个下落式节奏游戏生态。21,379 张谱面——占全集的 14%，分布在各种状态中——被标记为来自 BMS 或 O2Jam：16,188 张来自 BMS，5,491 张来自 O2Jam，其中 300 张同时带有两种标记。这些游戏有各自的写谱传统，拓宽了模型的视野。

按键数划分

4K 和 7K 占绝对多数——合计约占语料库的 80%。8K 和 9K 很少：各自只有几千张。这种不均衡对训练很重要，所以训练时会在各键数（以及各难度级别）之间平衡采样，让 8K 和 ★10 的谱面不会被 4K 和 ★4 淹没。

按难度划分

星级使用 osu! 官方算法测量；中位数 ★4.2，范围 ★0.5–13。

语料库的主体集中在 ★1 到 ★7 之间，★9 以上还有一条由高难谱面组成的长尾。ManiaGAI 的难度范围 ★1 到 ★10 正好落在样本充足的区间：★10 以下的每个星级都有一千张以上的谱面；再往上，数量迅速变少。另外，有 15.8% 的谱面会在歌曲中途变速，所以变速是模型学习内容的一部分，而不是边缘情况。

我们排除了什么

覆盖面广不等于照单全收。有些谱面会教给模型错误的东西，因此被排除：

• 未完成的谱面——只做了一半的歌，会教模型做到一半就停下。
• 变速（rate-edit）的重复谱面——同一张谱面加速或减速后，会让一位作谱者的配置被重复计算很多次。
• AI 生成的谱面，包括我们自己的——用生成的谱面训练出来的模型，学会的是模仿生成器，而不是模仿作谱者。

所有谱面使用同一种 timing 网格

语料库中的每张谱面，都被重新 timing 到与生成器从音频中产出的同一种 timing 网格上。这听起来像个细节，其实是整个数据集里最重要的决定之一。生成时，模型是对照 ManiaGAI 检测出的 timing 来放置音符的，而不是对照人工 timing——所以它们也应该在同一种网格上学习音符的放置。如果用作谱者自己的 timing 训练、再用检测出的 timing 生成，就等于教模型认一种网格，再把另一种网格交给它。（检测出的 timing 到底有多准确，有一篇专门的文章：timing 基准测试。）

从中学习需要什么

音频会一次性编码成与网格对齐的音乐特征——在磁盘上约占 0.7 TB。所有训练都在一张 16 GB 显存的 NVIDIA RTX 4070 Ti SUPER 上进行。我们不会每次改动都从头重新训练，而是随着数据和 timing 网格的演进持续微调音符模型；当我们改变网格的起点方式时，两个模型都在新网格上重新训练过。v2 音符模型的完整训练谱系累计约 540 个有记录的 GPU 小时——光是最后一轮就用了大约四天，对 1,690 万个训练窗口跑了约五遍——而 planner 还要再加上约 40 个小时。

这一切都不只看训练损失。每一处改动都会在生成的谱面本身上检验：timing 准确率、实测难度与目标的差距、可玩性。

广泛的数据能带来什么——以及不能带来什么

正是覆盖面，让一个模型能写出 4K 和 9K、★1 和 ★10、长条为主和 jack 为主的谱面，并能遵循你要求的风格：这些配置都存在于语料库的某个角落。覆盖面不能给你的，是统一的质量标准——社区语料库里的谱面有好有坏，而模型会从所有谱面中学习。

我们公开数据里有什么、为什么这样做；但不公开数据的具体来源、筛选和构建细节。技术页面解释了数据在整个系统中的位置，Planner + Noter 一文则介绍了从这些数据中学习的两个模型。