AudioSet数据集介绍(含国内镜像地址)

最新推荐文章于 2025-06-26 15:03:56 发布
原创 最新推荐文章于 2025-06-26 15:03:56 发布 · 1.5w 阅读 · 28 ·
CC 4.0 BY-SA版权
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。
文章标签：

#AudioSet #深度学习 #人工智能 #机器学习 #数据挖掘

AudioSet是Google发布的音频数据集，类似图像领域的ImageNet。它包含csv文件和128维特征，特征由VGGish模型提取。数据集提供了美国、欧洲和亚洲的特征下载链接，以及用于训练的Starter Code。标签类型映射可通过class_labels_indices.csv获取。 AudioSet的国内镜像下载地址也一并给出，支持开源项目。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

AudioSet是Google发行的声音版ImageNet。

AudioSet提供了两种格式：

  1. 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)
  2. 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，可以使用该模型提取我们自己的数据。VGGish也是用来提取YouTube-8M的。这些数据被存储为.tfrecord格式。
最低0.47元/天 解锁文章

200万优质内容无限畅学
AudioSet-音频数据集
不务正业的猿
09-16 4790
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
Google AudioSet-谷歌语音数据集如何解析
AntioniaMao的博客
01-07 2673
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...
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 1485
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音频数据集下载
Gpengyuyan的博客
12-10 2429
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.：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.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.
《解锁AudioSet：开启音频分析的无限可能》
最新发布
zheng_ruiguo的专栏
06-26 1179
AudioSet 数据集自诞生以来，凭借其庞大的规模、丰富的类别、独特的多标签分类特性以及高质量的标注和公开资源，在音频研究和应用领域发挥了不可替代的重要作用 。它为语音识别、音乐信息检索、环境噪声监测、安防监控与智能家居等众多领域的发展提供了强大的数据支持，推动了音频技术的不断进步，为人们的生活带来了更多的便利和创新体验 。
音频分类-数据集：AudioSet【Google发行的声音版ImageNet】
u013250861的博客
07-13 9803
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
音频数据集
weixin_36378508的博客
07-17 4918
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。
AudioSet 本体与声音实体对象
xw555666的博客
06-05 1856
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。
viggle ai 国内地址
03-20
类似于 AudioSet 数据集提供了多个地区的存储位置[^2]，可以通过联系本地大学的技术部门确认是否存在类似的安排。 4. **商业云服务商合作** 类似于 OpenCV 推荐使用的 Python 包管理器 pip 支持多种国内镜像源[^1...
数据增强技术：扩充数据集的10个技巧
[数据增强技术：扩充数据集的10个技巧](https://img-blog.csdnimg.cn/20200823103342106.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNTA3ODU...
【数据集准备与处理】：专家指导，缺陷检测模型训练的必备步骤
本文系统性地介绍了数据集准备与处理的各个方面，从基本概念到存储管理，涵盖了数据集的收集、整理、增强、特征工程以及版本控制。文章详细讨论了不同领域数据集收集的策略、清洗预处理的方法、数据增强技术的应用...
audioset_tagging_cnn
05-05
PANNs：用于音频模式识别的大规模预训练音频神经网络 此回购包含我们论文的代码： PANNs：用于音频模式识别的大规模预训练音频神经网络[1]。 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已用于音频标记和声音事件检测。 PANN已用于微调几个音频模式识别任务，并且性能优于几个最先进的系统。 环境环境 该代码库是使用Python 3.7开发的。 安装要求如下： pip install -r requirements.txt 使用预先训练的模型进行音频标记 用户无需训练即可使用预先训练的模型推断音频的标签。 首先，从下载一个预训练的模型，例如，名为“ Cnn14_mAP = 0
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。
探索音频世界的新钥匙 —— audioset项目深度剖析与推荐
gitblog_00086的博客
06-22 583
探索音频世界的新钥匙 —— audioset项目深度剖析与推荐 项目介绍 在数据驱动的时代，高质量的数据集对于机器学习和人工智能领域尤为重要。audioset 是一款精心打造的工具套件，专为下载和利用 AudioSet —— 一个庞大的标注音频文件数据库而生。这款项目由一系列实用工具构成，旨在简化音频数据处理过程，对于研究者、开发者以及声音处理爱好者而言，它无疑是一把开启新知大门的钥匙。 项目技术...
音乐数据集+大模型相关（一）
asuiyu的博客
01-24 4144
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。
Google open AudioSet github.com/audioset/ontology
haijunz的博客
03-08 836
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
谷歌 Audioset数据集
青铜程序员
03-23 2032
谷歌 Audioset数据集 需要下载的请加微信:for_free425,请注明 audioset下载
【论文随笔3】AudioSet终于有了强（帧级别）标签：THE BENEFIT OF TEMPORALLY-STRONG LABELS IN AUDIO EVENT CLASSIFICATION
The Dawn
11-17 1227
原文链接：【论文随笔3】AudioSet终于有了强（帧级别）标签：THE BENEFIT OF TEMPORALLY-STRONG LABELS IN AUDIO EVENT CLASSIFICATION - 知乎背景训练神经网络时，最重要的是数据，其次是网络类型或结构等。尤其是音频标记、声音事件检测任务中，标注准确的公开数据屈指可数。DCASE2013、2016、2017等中，声音事件检测（Sound event detection，SED）的数…https://zhuanlan.zhihu.com/p/
探索音频世界的钥匙——基于Keras与PyTorch的Google Audio Set分类工具
gitblog_00325的博客
08-29 944
探索音频世界的钥匙——基于Keras与PyTorch的Google Audio Set分类工具 在声音识别领域，Google发布的Audio Set已成为一个不可或缺的资源库，它包含了超过2百万个10秒长的音频片段，涵盖527种不同的类别。这个开源项目以Audio Set为舞台，通过引入注意力神经网络模型，为音频分类任务提供了一种高效且强大的解决方案。 项目核心亮点 本项目是对论文[1]的实现，该...
评论 1
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