L3DAS21

L3DAS21 是一个用于 3D 音频信号处理的数据集。它由一个 65 小时的 3D 音频语料库组成，并附带一个 Python API，便于数据使用和结果提交阶段。
LEDAS21 数据集包含多源和多视角的 B 格式 Ambisonics 音频录音。作者对一间大型办公室的声场进行了采样，将两个一阶 Ambisonics 麦克风放置在房间中央，并移动扬声器在 252 个固定空间位置再现分析信号。依靠收集到的 Ambisonics 脉冲响应 (IR)，作者增强了现有的干净单声道数据集，通过将原始声音与我们的 IR 进行卷积来获得合成的三维声源。
数据集分为两个主要部分，分别专用于挑战任务。
第一部分针对 3D 语音增强进行了优化，包含 30000 多个虚拟 3D 音频环境，持续时间长达 10 秒。在每个样本中，说话的声音总是与其他类似办公室的背景噪音一起出现。作为本节的目标数据，作者提供了干净的单声道语音信号。
相反，其他部分专门用于 3D 声音事件定位和检测任务，包含 900 个 60 秒长的音频文件。每个数据点都包含一个模拟的 3D 办公室音频环境，其中最多可以同时激活 3 个同时发生的声学事件。在本节中，样本不会强制包含口语。作为本节的目标数据，作者提供了数据点中存在的每个单独声音事件的起始和偏移时间戳、类型和空间坐标的列表。