AudioSet音频数据集下载

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 mainhttps://huggingface.co/datasets/agkphysics/AudioSet/tree/main/data