【AudioCaps数据集】windows10下载AudioCaps数据集，附百度网盘下载链接

原创 已于 2024-07-13 10:51:31 修改 · 3k 阅读 · 5 ·
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：

#人工智能 #python

于 2023-06-26 22:59:01 首次发布
AudioCaps是基于AudioSet的精选数据集，用于音频描述。下载过程涉及安装Python3.9，配置ffmpeg环境，安装audiocaps-download库，并使用VPN下载60G以上的数据集。若在安装过程中遇到VisualStudio问题，需安装VisualStudio。提供有百度网盘链接作为备选。

可以此链接下载，网盘已失效：https://openxlab.org.cn/datasets/Amphion/AudioCaps/tree/main
在这里插入图片描述

🔥 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 audiocaps-download，根据README.md的提示，先进行配置下载环境：
在这里插入图片描述

📣 AudioCaps的下载环境配置分为四步：

👉1.安装python3.9的环境
👉 2.下载windows版本的ffmeg，进入ffmeg的官网，选择windows版本的ffmpeg-release-essentials.zip，下载完成后进行解压，然后将bin目录设置为环境变量，通过dos窗口验证ffmeg命令是否可以执行
在这里插入图片描述

最低0.47元/天 解锁文章
AudioSet-音频数据集
不务正业的猿
09-16 5071
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
Gstreamer-音频数据播放之PCM
JIJSIDUH的博客
07-27 583
用于需要在当前设备端播放PCM音频数据。
如何读取Google开源的audioset的tfrecord文件--转载与整理
Eve_if的博客
11-28 2197
Audio Set是谷歌前段时间开源的一个数据集，可以说是音频届的imagenet了，拥有200多万的音频和500多个分类(截止2017年3月)。 官方下载地址：https://research.google.com/audioset/download.html 有关audioset数据集的简介：https://research.google.com/audioset/ 官方提供了两种数据获取方式...
【亲测免费】 AudioCaps数据集：音频研究与开发的利器
gitblog_06502的博客
09-20 1506
AudioCaps数据集：音频研究与开发的利器 【下载地址】AudioCaps数据集下载指南 本仓库提供了一个资源文件的下载，该资源文件为**AudioCaps数据集**，适用于Windows 10系统。AudioCaps数据集是从AudioSet数据集中筛选再加工得到的数据集，适用于音频相关的研究和开发项目 ...
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 1673
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。
谷歌 Audioset数据集
青铜程序员
03-23 2096
谷歌 Audioset数据集 需要下载的请加微信:for_free425,请注明 audioset下载
coco-stuff10k分割数据集，里面放的是一个百度网盘的链下载接
06-05
coco-stuff10k数据集可以通过以下链接下载： - 链接：https://pan.baidu.com/s/1fIqroyKfajCH-dakPsVe-w - 提取码：2024 ### 六、使用注意事项 1. **版权问题**：使用数据集时需遵循相关的版权协议，确保数据使用...
2017-2020数学建模大赛题目及数据集百度网盘下载链接
03-29
2017-2020数学建模大赛题目及数据集百度网盘下载链接
精选资源
人脸数据集百度云的下载
11-07
这些数据集广泛用于学术研究和工业应用中，如果你希望获取这些数据集，可以通过各自的官方网站或相关研究论文找到下载链接和详细信息。同时，在使用这些数据集时，请遵守相关的法律法规和数据使用规范，尊重数据的...
精选资源
汽车高清图片数据集（16000多张图片）car_ims.tgz（百度网盘下载链接）.txt
07-13
汽车高清图片数据集（16000多张图片）car_ims.tgz（百度网盘下载链接）.txt 汽车高清图片数据集（16000多张图片）car_ims.tgz（百度网盘下载链接）.txt 汽车高清图片数据集（16000多张图片）car_ims.tgz（百度网盘...
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。
CGI_AudioSetCommon
11-28
CGI_AudioSetCommon
AudioSet音频数据集下载
最新发布
Gpengyuyan的博客
12-10 3674
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.
AudioCaps：为自然环境中的音频生成描述
gitblog_00651的博客
10-10 539
AudioCaps：为自然环境中的音频生成描述 项目介绍 AudioCaps 是一个开创性的开源项目，旨在为自然环境中的音频生成准确的描述（即音频字幕）。该项目由韩国首尔大学的研究团队开发，并在2019年的NAACL-HLT会议上进行了口头报告。AudioCaps不仅提供了一个强大的代码库，还包含了一个丰富的音频数据集，使得研究人员和开发者能够在音频描述生成领域进行深入探索和创新。 项目技术分析 ...
AudioCaps 项目使用教程
gitblog_00093的博客
10-11 498
AudioCaps 项目使用教程 1. 项目目录结构及介绍 audiocaps/ ├── dataset/ │ ├── audio_files/ │ └── captions.json ├── resources/ │ ├── config.yaml │ └── requirements.txt ├── LICENSE ├── README.md └── main.py 目录结构...
音频分类-数据集：AudioSet【Google发行的声音版ImageNet】
热门推荐
u013250861的博客
07-13 1万+
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 6382
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。
AudioCaps 开源项目使用教程
gitblog_00470的博客
10-10 982
AudioCaps 开源项目使用教程 1. 项目介绍 AudioCaps 是一个用于生成音频描述的开源项目，由 Chris Dongjoo Kim、Byeongchang Kim、Hyunmin Lee 和 Gunhee Kim 在 NAACL-HLT 2019 会议上提出。该项目的主要目标是自动生成音频内容的描述（即音频字幕），适用于各种音频数据。AudioCaps 提供了一个数据集和相应的代码...
Google发布30G+ AVA动作识别数据集下载链接
通常数据集的下载链接会放置在公开的网络资源库中，如Google Cloud Storage、Kaggle或者其他数据共享平台。 6. 应用场景：AVA数据集主要应用于计算机视觉领域中的动作识别研究。动作识别是指计算机能够理解并描述...
评论 18
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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