关于音乐模型的训练方法

作者你好，请问关于RWKV-4-music模型的训练，是直接将midi转成str后，然后将数据格式处理为类似于{"text": "将每篇文章的内容变成 JSONL 的一行，即使是一百万字的小说也变成一行。"} 这种形式呢还是{"text": "User: 约 100 字的段落开头\n\nAssistant: 段落的后续文本"}这种数据格，或者是是哪种数据格式呢？谢谢！