AudioSet音频数据集下载

已于 2024-12-18 23:47:21 修改
阅读量1.4k 收藏 6
点赞数 15
文章标签： 机器学习 深度学习 人工智能
于 2024-12-10 00:17:31 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Gpengyuyan/article/details/144360749
版权

AudioSet 是谷歌于 2017 年发布的一个大规模的标注音频事件数据集，具有以下特点和信息：

数据构成

  • 音频片段数量：包含 2,084,320 个人工标注的 10 秒声音片段，这些片段均来源于 YouTube 视频13.
  • 音频事件类别：拥有 632 个音频事件类的扩展本体，其事件类别以层次结构组织，最大深度为 6 级，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等，例如鸟叫、汽车行驶声、乐器演奏声等3.

标注信息

  • 每个音频片段都附带了清晰准确的标签，标注信息以 JSON 格式发布，其中包括音频的 ID、显示名称、描述、示例音频的 URL、子类别以及限制条件等详细内容，方便研究人员进行分类和分类算法的训练2.

数据收集与整理

  • 谷歌通过人工标注员来验证 YouTube 视频片段中声音的存在性，从而收集数据。在提名标注片段时，依靠 YouTube 的元数据和基于内容的搜索来筛选合适的视频片段.

下载数据集索引

进入AudioSet

可以看见有三种数据集： 

 

label 的索引

进入这里
https://github.com/audioset/ontology
打开ontology.json文件,这里有label的编码和对应的实际意义。

 

 

AudioSet音频数据的下载：

进入这里：agkphysics/AudioSet at mainicon-default.png?t=O83Ahttps://huggingface.co/datasets/agkphysics/AudioSet/tree/main/data

Gpengyuyan
关注
AudioSet-音频数据集
不务正业的猿
09-16 4691
原文： AudioSet consists of an expanding ontology of 632 audio event classes and a collection of 2,084,320 human-labeled 10-second sound clips drawn from YouTube videos. The ontology is specified as a hierarchical graph of event categories, covering a wide r
AudioSet数据集介绍(含国内镜像地址)
qq_39437746的博客
06-24 1万+
AudioSet是Google发行的声音版ImageNet。AudioSet提供了两种格式：csv文件，包括音频所在的YouTube视频的ID，开始时间，结束时间 以及标签(可能是多标签)128维的特征，采样率为1Hz，也就是把音频按秒提取为128维特征。特征是使用VGGish模型来提取的，VGGish下载地址为 TensorFlow models GitHub repository，可以使用该模...
音频数据集
weixin_36378508的博客
07-17 4052
下载地址：https://voice.mozilla.org/data时长：1965小时（目前为止）最早2017年发布，持续更新，该基金会表示，通过 Common Voice 网站和移动应用，他们正在积极开展 70 种语言的数据收集工作。Mozilla 宣称其拥有可供使用的最大的人类语音数据集，当前数据集有包括 29 种不同的语言,其中包括汉语，从 4万多名贡献者那里收集了近 2454 小时（其中1965小时已验证）的录音语音数据。
音频分类-数据集：AudioSet【Google发行的声音版ImageNet】
u013250861的博客
07-13 9291
GitHub：https://github.com/audioset/ontology谷歌发布的大规模音频数据集，AudioSet 包括 632 个音频事件类的扩展类目和从YouTube视频绘制的 2084320 个人类标记的10秒声音剪辑的集合。音频本体 (ontology) 被确定为事件类别的一张层级图，覆盖大范围的人类与动物声音、乐器与音乐流派声音、日常的环境声音。 AndioSet能为音频事件检测提供一个常见的、实际的评估任务，也是声音事件的综合词汇理解的一个开端。该数据集收集了所有与我们合作的人类
谷歌 Audioset数据集
青铜程序员
03-23 1987
谷歌 Audioset数据集 需要下载的请加微信:for_free425,请注明 audioset下载
Google open AudioSet github.com/audioset/ontology
haijunz的博客
03-08 821
Audio Set Ontology Dan Ellis dpwe@google.com v1 2017-03-06 The file ontology.json contains the current definition ofthe AudioSet ontology, a hierarchicalset of audio event classes. The json fi
Google-AudioSet-Scraping：用于过滤Google AudioSet音频片段数据并下载所需片段的工具的集合
02-15
Google-AudioSet-Scraping 一组用于过滤Google AudioSet音频片段数据和下载所需片段的工具。
AudioSetCaps数据集：包含190万对来自AudioSet录音的音频-字幕对。
u011559552的博客
10-24 1387
2024-10-21，由西北工业大学、西安联丰声学技术有限公司、南洋理工大学、萨里大学和中国科学院声学研究所创建了AudioSetCaps数据集，包含190万对来自AudioSet录音的音频-字幕对。这个数据集在音频-文本检索和自动音频字幕两项下游任务上展现了卓越的性能，证明了其生成字幕的高质量。值得注意的是，该数据标签流程使用开源API，并且可以在消费级GPU上运行。
audioset_tagging_cnn
05-05
在大型AudioSet数据集[2]上训练了各种CNN，这些数据集包含5,000小时的音频和527个声音类别。 使用我们提出的Wavegram-Logmel-CNN系统可实现0.439的平均平均精度（mAP），胜过Google基线0.317 [3]。 PANN已用于音频...
Google AudioSet-谷歌语音数据集如何解析
AntioniaMao的博客
01-07 2600
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 anno...
暴力音频检测VioAudio数据集.rar
05-28
VioAudio数据集包含100个暴力音频数据以及100个非暴力音频数据。原始数据来源于MediaEval2012中的电影音频。该数据集的构建是为了比较在听觉通道各个算法的优劣。特别注意的是，非暴力音频包含的情况有 打斗声、尖叫声、撞车声和爆炸声等等。
CGI_AudioSetCommon
11-28
CGI_AudioSetCommon
用于下载和处理Google的AudioSet数据集的工具包。_Jupyter Notebook_Python_下载.zip
04-26
12. **可扩展性**：该工具包不仅可以用于AudioSet，还可以作为处理其他音频数据集的基础，只需适配相应的数据格式和特征提取方法。 通过使用这个工具包，研究者和开发者可以高效地利用AudioSet数据集进行音频事件...
数据集 | 基于语音（Speech）/多模态（Multimodal）的情绪识别数据集，格式及下载
weixin_44649780的博客
05-12 9418
RAVDESS 包含 24 名专业演员（12 名女性，12 名男性），用中性的北美口音说出两个词汇匹配的陈述。文件名由 7 部分数字标识符组成（例如，03-01-06-01-02-01-12.wav）。情绪（01 = 中性，02 = 平静，03 = 快乐，04 = 悲伤，05 = 愤怒，06 = 恐惧，07 = 厌恶，08 = 惊讶）。情绪强度（01 = 正常，02 = 强烈）。模态（01 = 全 AV，02 = 仅视频，03 = 仅音频）。文件名示例：03-01-06-01-02-01-12.wav。
AudioSet 本体与声音实体对象
xw555666的博客
06-05 1739
AudioSet 是由 Google 研究团队开发的一个大规模的音频事件识别数据集，它定义了一个层级化的本体（ontology），用于对音频事件进行分类。它包含了丰富的音频类别，每个类别都有其唯一的标识符（ID）。这些标识符通常基于知识图谱中的，特别是与 Freebase 和 Wikidata 这样的知识库相关联。
【AudioCaps数据集】windows10下载AudioCaps数据集，附百度网盘下载链接
weixin_43509698的博客
06-26 2451
🔥 AudioCaps是从AudioSet数据集中筛选再加工得到的数据集。AudioCaps数据集的下载使用python的第三方库。
数据集下载汇总
热门推荐
caoyongsheng的博客
03-09 1万+
国家数据是国家统计局发布统计信息的网站，包含了我国经济、民生、农业、工业、运输、旅游、教育、科技、卫生等多个方面的数据，并且在月度、季度、年度都有覆盖，较为全面和权威，对于社会科学的研究不要太有帮助。阿里巴巴datahub:https://github.com/alibaba/EasyNLP/tree/master/datahub。据 http://dataju.cn/Dataju/web/datasetInstanceDetail/325。2、魔塔社区的数据下载方式（中文数据社区）
音乐数据集+大模型相关（一）
asuiyu的博客
01-24 3759
下图来自 llark论文。对于音频领域，Mubert和Riffusion是近期热门的两个文本到音乐的生成模型。Mubert是一个文本到音乐的演示界面，能够根据输入的文本生成高质量的音频音乐。不过由于所有的声音都是由音乐家和声音设计师事先创造的，因此Mubert更像是在生成声音的组合，而不是音乐。Riffusion使用与Stable Diffusion相同的模型，从文本中生成频谱图，然后将其转换为音频片段。
数据集：包括音频、视频、图像和文本
卡布达
06-16 3351
发现个很好的网站，包括很多标注好的数据，百度整理的好像是比赛用的数据集，包括音视图文，链接如下：数据集
AudioSet数据集
最新发布
01-08
### AudioSet 数据集介绍 AudioSet 是一个大规模的音频事件数据集，包含了超过200万个带有标注的10秒音频片段[^1]。这些音频片段来源于YouTube视频，并被人工标注了多个类别标签。该数据集涵盖了各种各样的声音场景和事件，如交通工具的声音、动物叫声、乐器演奏等。 #### 主要特点 - **多标签分类**：每个音频剪辑可以拥有不止一个标签。 - **广泛覆盖**：涉及多种类型的自然和社会环境音效。 - **高质量标注**：虽然部分标签可能存在噪声，但总体上保持较高的准确性。 - **公开资源**：不仅提供原始音频文件链接，还有详细的元数据描述以及预处理后的特征向量。 为了方便研究人员快速入门并利用此数据集开展工作，官方还提供了启动代码（Starter Code），可用于初步实验和基线模型训练[^3]。这段代码同样适用于YouTube8M项目，在一定程度上简化了开发流程。 ### 使用方法概述 对于希望使用AudioSet进行研究或应用开发的人来说，以下是几个重要的方面： #### 获取数据 可以从Google提供的官方网站获取完整的数据集及其子集版本；另外也有国内镜像站点可供访问。需要注意的是由于版权原因，实际音频内容并不直接存储于数据库内而是指向对应的在线媒体位置。 #### 准备环境 建议先安装必要的依赖库比如TensorFlow或其他支持框架来加载和解析CSV格式的元数据表单。接着按照给定路径下载所需音频样本至本地磁盘空间中。 ```bash pip install tensorflow pandas librosa youtube-dl ``` #### 加载与探索 借助Pandas读取CSV文档从而获得结构化的信息表格，之后运用Librosa提取声学特性参数用于后续建模分析任务之前的数据准备工作。 ```python import pandas as pd from pathlib import Path # Load metadata CSV file into DataFrame metadata_path = 'path/to/balanced_train_segments.csv' df = pd.read_csv(metadata_path, skiprows=3) print(df.head()) ``` #### 训练模型 采用官方发布的starter code作为起点，调整超参数设置以适应特定应用场景需求。例如针对二分类问题修改损失函数定义或是引入正则项防止过拟合现象发生。 ```python def create_model(): model = tf.keras.Sequential([ # Define layers here... ]) optimizer = tf.optimizers.Adam() loss_fn = tf.losses.BinaryCrossentropy(from_logits=True) model.compile(optimizer=optimizer, loss=loss_fn, metrics=['accuracy']) return model ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值