FusionAudio-4

# Audio Caption Dataset ## Dataset Description This dataset contains audio captions from the dataset, including: - Audio captions - Speech captions - Music captions (where available) - Audio files and metadata ## Dataset Structure The dataset contains the following columns: - `id`: Unique identifier for each audio sample - `audio_caption`: Description of the audio content - `speech_caption`: Description of speech content - `music_caption`: Description of music content (may be empty) - `path`: Relative path to the audio file - `url`: Original URL (if available) - `timeinterval`: Time interval information - `audio`: Audio data ## Usage ```python from datasets import load_dataset # Load the dataset dataset = load_dataset("tzzte/FusionAudio-4") # Access a sample sample = dataset["train"][0] print(sample["audio_caption"]) ```# 音频字幕数据集（Audio Caption Dataset） ## 数据集说明 本数据集收录各类音频字幕数据，具体包含： - 音频字幕 - 语音字幕 - 音乐字幕（仅当数据源可用时提供） - 音频文件与元数据（metadata） ## 数据集结构 本数据集包含以下字段： - `id`：每个音频样本的唯一标识符 - `audio_caption`：音频内容的描述文本 - `speech_caption`：语音内容的描述文本 - `music_caption`：音乐内容的描述文本（可为空） - `path`：音频文件的相对存储路径 - `url`：原始资源链接（若可用） - `timeinterval`：时间间隔信息 - `audio`：音频数据 ## 使用方法 python from datasets import load_dataset # 加载数据集 dataset = load_dataset("tzzte/FusionAudio-4") # 访问单条样本 sample = dataset["train"][0] print(sample["audio_caption"])

搜集汇总

背景与挑战

背景概述

FusionAudio-4是一个音频字幕数据集，包含音频、语音和音乐的字幕描述、音频文件及相关元数据，数据列涵盖id、字幕内容、路径和时间间隔等信息。该数据集采用Apache 2.0许可证，大小为148.11GB，可通过datasets库加载使用，适用于音频内容分析任务。