marsyas/gtzan

GTZAN是一个用于音乐类型分类的音频数据集，包含1000个30秒长的音频文件，涵盖10种音乐类型（每种类型100个文件），所有文件均为22,050Hz Mono 16-bit WAV格式。数据集中的每个实例包括文件路径、音频数据和音乐类型标签。

GTZAN is an audio dataset designed for music genre classification. It contains 1000 30-second audio files covering 10 distinct music genres, with 100 files per genre. All files are in 22,050 Hz Mono 16-bit WAV format. Each instance in the dataset includes the file path, audio data, and corresponding music genre label.

原始信息汇总

数据集概述

数据集名称

• 名称: GTZAN

数据集描述

• 描述: GTZAN是一个用于音乐流派分类的音频信号数据集。该数据集包含1,000个音频轨道，每个轨道30秒长。数据集涵盖10种音乐流派，每种流派由100个轨道代表。所有轨道均为22,050Hz单声道16位WAV格式。
• 流派: 蓝调、古典、乡村、迪斯科、嘻哈、爵士、金属、流行、雷鬼、摇滚。

语言

• 语言: 英语

数据集结构

• 数据实例: 每个实例包含文件路径、音频数据（包括路径、数组和采样率）和流派标签。
• 数据字段:
  • file: 字符串类型。
  • audio: 音频类型，包含路径、解码波形和采样率。
  • genre: 类别标签类型。

数据集创建

• 引用信息:

  @misc{tzanetakis_essl_cook_2001, author = "Tzanetakis, George and Essl, Georg and Cook, Perry", title = "Automatic Musical Genre Classification Of Audio Signals", url = "http://ismir2001.ismir.net/pdf/tzanetakis.pdf", publisher = "The International Society for Music Information Retrieval", year = "2001" }

贡献者

• 贡献者: @lewtun

搜集汇总

背景与挑战

背景概述

GTZAN是一个音乐流派分类数据集，包含1000个30秒长的音频片段，涵盖10种流派，每种100个样本。音频格式为22,050Hz Mono 16-bit WAV，适合用于音乐分类任务。