AudioSet-音频数据集

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 range of human and animal sounds, musical instruments and genres, and common everyday environmental sounds.

By releasing AudioSet, we hope to provide a common, realistic-scale evaluation task for audio event detection, as well as a starting point for a comprehensive vocabulary of sound events.

译：

AudioSet由632个音频事件类的扩展本体和2084320个人类标记的10秒声音片段集合组成。本体被指定为事件类别的层次图，涵盖了广泛的人类和动物声音、乐器和流派以及常见的日常环境声音。

通过发布AudioSet，我们希望能够为音频事件检测提供一个通用的、现实的尺度评估任务，以及一个全面的声音事件词汇表的起点。

大家可以到官网地址下载数据集，我自己也在百度网盘分享了一份。可关注本人公众号，回复“2020091601”获取下载链接。