Lehrig/GTZAN-Collection

---
license: apache-2.0
---

# Dataset Card for GTZAN Collection

## Table of Contents
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-instances)
- [Data Splits](#data-instances)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)

## Dataset Description

- **Homepage:** https://github.com/derekahuang/Music-Classification
- **Repository:** https://github.com/derekahuang/Music-Classification
- **Paper:** [Musical genre classification of audio signals](https://ieeexplore.ieee.org/document/1021072)
- **Leaderboard:** [Needs More Information]
- **Point of Contact:** [Needs More Information]

### Dataset Summary

The dataset consists of 1000 audio tracks each 30 seconds long.
It contains 10 genres, each represented by 100 tracks.
The tracks are all 22050Hz Mono 16-bit audio files in .wav format.
The genres are:
* blues
* classical
* country
* disco
* hiphop
* jazz
* metal
* pop
* reggae
* rock

This collection includes the following GTZAN variants:
* raw (original WAV files)
* melspectrograms (from each WAV file, contiguous 2-second windows at 4 random locations are sampled and transformed to Mel Spectrograms, resulting in 8000 Mel Spectrograms)

### Supported Tasks and Leaderboards

[Needs More Information]

### Languages

[Needs More Information]

## Dataset Structure

### Data Instances

[Needs More Information]

### Data Fields

[Needs More Information]

### Data Splits

[Needs More Information]

## Dataset Creation

### Curation Rationale

[Needs More Information]

### Source Data

#### Initial Data Collection and Normalization

[Needs More Information]

#### Who are the source language producers?

[Needs More Information]

### Annotations

#### Annotation process

[Needs More Information]

#### Who are the annotators?

[Needs More Information]

### Personal and Sensitive Information

[Needs More Information]

## Considerations for Using the Data

### Social Impact of Dataset

[Needs More Information]

### Discussion of Biases

[Needs More Information]

### Other Known Limitations

[Needs More Information]

## Additional Information

### Dataset Curators

[Needs More Information]

### Licensing Information

[Needs More Information]

### Citation Information

[Needs More Information]

---
许可证：Apache-2.0
---

# GTZAN 数据集集合卡片（Dataset Card）

## 目录（Table of Contents）
- [数据集描述（Dataset Description）](#dataset-description)
- [数据集概览（Dataset Summary）](#dataset-summary)
- [支持任务与排行榜（Supported Tasks and Leaderboards）](#supported-tasks-and-leaderboards)
- [语言（Languages）](#languages)
- [数据集结构（Dataset Structure）](#dataset-structure)
- [数据实例（Data Instances）](#data-instances)
- [数据字段（Data Fields）](#data-instances)
- [数据划分（Data Splits）](#data-instances)
- [数据集构建（Dataset Creation）](#dataset-creation)
- [遴选依据（Curation Rationale）](#curation-rationale)
- [源数据（Source Data）](#source-data)
- [标注信息（Annotations）](#annotations)
- [个人与敏感信息（Personal and Sensitive Information）](#personal-and-sensitive-information)
- [数据集使用注意事项（Considerations for Using the Data）](#considerations-for-using-the-data)
- [数据集的社会影响（Social Impact of Dataset）](#social-impact-of-dataset)
- [偏差讨论（Discussion of Biases）](#discussion-of-biases)
- [其他已知局限性（Other Known Limitations）](#other-known-limitations)
- [附加信息（Additional Information）](#additional-information)
- [数据集策展人（Dataset Curators）](#dataset-curators)
- [许可证信息（Licensing Information）](#licensing-information)
- [引用信息（Citation Information）](#citation-information)

## 数据集描述（Dataset Description）

- **主页（Homepage）**：https://github.com/derekahuang/Music-Classification
- **代码仓库（Repository）**：https://github.com/derekahuang/Music-Classification
- **相关论文（Paper）**：[音频信号的音乐流派分类](https://ieeexplore.ieee.org/document/1021072)
- **排行榜（Leaderboard）**：[需补充更多信息]
- **联络人（Point of Contact）**：[需补充更多信息]

### 数据集概览（Dataset Summary）

本数据集包含1000条时长为30秒的音频片段，涵盖10个音乐流派，每个流派对应100条音频片段。所有音频均为22050Hz单声道16位的WAV格式文件，涵盖的流派包括：
* 布鲁斯（blues）
* 古典（classical）
* 乡村（country）
* 迪斯科（disco）
* 嘻哈（hiphop）
* 爵士（jazz）
* 金属（metal）
* 流行（pop）
* 雷鬼（reggae）
* 摇滚（rock）

本数据集集合包含以下两种GTZAN变体：
* 原始版（raw）：即原始WAV文件
* 梅尔频谱图版（melspectrograms）：从每条原始WAV文件中，在4个随机位置截取连续2秒的音频窗口，并转换为梅尔频谱图（Mel Spectrograms），最终共生成8000张梅尔频谱图。

### 支持任务与排行榜（Supported Tasks and Leaderboards）
[需补充更多信息]

### 语言（Languages）
[需补充更多信息]

## 数据集结构（Dataset Structure）

### 数据实例（Data Instances）
[需补充更多信息]

### 数据字段（Data Fields）
[需补充更多信息]

### 数据划分（Data Splits）
[需补充更多信息]

## 数据集构建（Dataset Creation）

### 遴选依据（Curation Rationale）
[需补充更多信息]

### 源数据（Source Data）

#### 初始数据收集与归一化
[需补充更多信息]

#### 源数据生产者是谁？
[需补充更多信息]

### 标注信息（Annotations）

#### 标注流程
[需补充更多信息]

#### 标注人员是谁？
[需补充更多信息]

### 个人与敏感信息（Personal and Sensitive Information）
[需补充更多信息]

## 数据集使用注意事项（Considerations for Using the Data）

### 数据集的社会影响（Social Impact of Dataset）
[需补充更多信息]

### 偏差讨论（Discussion of Biases）
[需补充更多信息]

### 其他已知局限性（Other Known Limitations）
[需补充更多信息]

## 附加信息（Additional Information）

### 数据集策展人（Dataset Curators）
[需补充更多信息]

### 许可证信息（Licensing Information）
[需补充更多信息]

### 引用信息（Citation Information）
[需补充更多信息]

原始信息汇总

数据集概述

数据集名称

GTZAN Collection

数据集总结

• 音频数量：1000个音频文件
• 音频长度：每个音频30秒
• 音频格式：22050Hz Mono 16-bit WAV格式
• 音频类型：包含10种音乐类型，每种类型100个文件
• 音乐类型：blues, classical, country, disco, hiphop, jazz, metal, pop, reggae, rock
• 数据集变体：包括原始WAV文件和从每个WAV文件中提取的Mel Spectrograms（8000个）

数据集结构

• 数据实例：[信息缺失]
• 数据字段：[信息缺失]
• 数据分割：[信息缺失]

数据集创建

• 精选理由：[信息缺失]
• 源数据：[信息缺失]
• 注释：[信息缺失]
• 个人和敏感信息：[信息缺失]

使用数据注意事项

• 数据集的社会影响：[信息缺失]
• 偏见讨论：[信息缺失]
• 其他已知限制：[信息缺失]

附加信息

• 数据集管理者：[信息缺失]
• 许可信息：Apache-2.0
• 引用信息：[信息缺失]

搜集汇总

背景与挑战

背景概述

GTZAN-Collection数据集包含1000个30秒长的音频文件，涵盖10种音乐流派，每种流派100个样本。音频文件为22050Hz Mono 16-bit的.wav格式，并提供原始音频和Mel频谱图两种形式。