Open-Sora项目中Midjourney数据集获取的现状与替代方案

在Open-Sora项目开发过程中，研究人员发现原先可用的Midjourney数据集(如wanng/midjourney-v5-202304-clean)已经失效。这一现象主要源于Discord平台近期政策调整，导致通过常规渠道获取这些数据集变得异常困难。

对于依赖这类数据集进行AI模型训练的研究人员而言，目前有两个可行的替代方案值得关注：

1. JDB数据集：这是一个专门为AI研究设计的高质量图像数据集，包含了丰富的视觉内容，适合用于生成模型的训练。

2. Midjourney-v6数据集：作为Midjourney系列的最新版本数据集，它包含了更多样化的图像样本和更新的风格特征。

这些替代数据集在图像质量、多样性和规模上都能够满足大多数生成式AI模型的训练需求。研究人员可以根据具体项目需求选择合适的替代方案，确保模型训练不受原始数据集失效的影响。

值得注意的是，随着AI生成技术快速发展，数据集获取渠道和可用性可能会持续变化。建议研究团队定期评估数据集来源的稳定性，并考虑建立本地备份以应对类似情况。