Google AudioSet-谷歌语音数据集如何解析

Google Audio Set是谷歌提供的语音数据集，对于语音相关的AI学习和研究有着至关重要的作用

因为身处长城之内，故从谷歌官网搬运该数据集的介绍、下载，及解析格式

---

数据集简介

AudioSet由632个音频事件类的扩展本体和从YouTube视频中提取的2084320个标记为10秒的声音片段组成，涵盖了人类和动物的各种声音、乐器和流派以及常见的日常环境声音。

二百一十万

annotated videos

5.8 k 小时音频

hours of audio

527 个类别

of annotated sounds

 

下载方式见https://blog.csdn.net/qq_39437746/article/details/80793476

下面是tfrecord文件的具体解析格式

---

Features dataset
Frame-level features are stored as tensorflow.SequenceExample protocol buffers. A tensorflow.SequenceExample proto is reproduced here in text format:

context: {
  feature: {
    key  : "video_id"
    value: {
      bytes_list: {
        value: [YouTube video id string]
      }
    }
  }
  feature: {
    key  : "start_time_seconds"
    val