AudioSet

AudioSet是谷歌发布的大规模音频事件数据集，包含632个音频事件类别的扩展本体和208万个人工标注的10秒YouTube声音片段。数据集覆盖广泛的人类和动物声音、乐器、音乐风格以及日常环境声音，为音频事件检测、声音分类等研究提供了现实规模的评估基准，常被称为声音识别领域的ImageNet。