Variable\u2011K Speech and Audio Mixtures for Separation, Counting, and Tagging
收藏IEEE2026-04-17 收录
下载链接：
https://ieee-dataport.org/documents/variable-k-speech-and-audio-mixtures-separation-counting-and-tagging
下载链接
链接失效反馈官方服务：
资源简介：
This dataset suite provides variable-K audio mixtures for speech and general sound event processing. It includes Org-Mix-4 (K=1\u20134 speakers), Org-Mix-9 (K=1\u20139 speakers), and FSD-Mix (K=1\u201339 sound sources), all generated using a unified 10-second, 16 kHz mixture pipeline with stems, labels, and metadata. The collection enables research on separation, source counting, and multi-label tagging across increasing scene complexity.
本数据集套件面向语音与通用声事件处理任务，提供可变K值的音频混合样本。其包含Org-Mix-4（K=1至4个说话人）、Org-Mix-9（K=1至9个说话人）以及FSD-Mix（K=1至39个声源），所有数据集均基于统一的10秒、16kHz音频混合生成流水线，并附带分轨声源（stems）、标签与元数据。该数据集套件可支持针对复杂度逐级提升的声学场景，开展声源分离、声源计数与多标签标注等相关研究工作。
提供机构：
VENKATA NAGA BALARAMA MURTHY PELLURI
