WavText5K

WavText5K由孤立的音频事件组成
以及他们的描述。例如，一个孤立的音频事件
乌鸦的描述是: “一只乌鸦在半夜哭泣”。此描述提供了更多信息
而不是像 “这是乌鸦的声音” 这样的提示，但同时又专注于乌鸦哭泣的声音事件。

WavText5K consists of isolated audio events and their corresponding descriptions. For instance, the description for an isolated audio event of a crow is: "A crow is crying in the middle of the night". Such descriptions provide more detailed contextual information compared to simplistic prompts such as "This is the sound of a crow", while remaining specifically focused on the crying audio event of the crow.

搜集汇总

背景与挑战

背景概述

WavText5K是一个包含孤立音频事件及其详细描述的数据集，例如乌鸦的哭泣声及其描述。该数据集由微软于2022年发布，提供了GitHub首页和arXiv论文作为参考资源。