ChMusic
收藏资源简介:
displayName: ChMusic license: - MIT mediaTypes: - Music paperUrl: https://arxiv.org/pdf/2108.08470v2.pdf publishDate: "2021" publishUrl: https://github.com/haoranweiutd/chmusic publisher: - University of Texas at Dallas - Shandong University of Technology - No.2 High School (Baoshan) of East China Normal University - Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences tags: - Music Instrument - Erhu - Pipa - Sanxian --- # 数据集介绍 ## 简介 ChMusic 是一个中国传统音乐数据集,用于乐器识别的训练模型和性能评估。该数据集涵盖了11种乐器,包括二胡、琵琶、三弦、笛子、唢呐、追琴、中阮、柳琴、古筝、扬琴和笙。_x000D_ _x000D_ 每个乐器有 5 个中国传统音乐片段,所以这个数据集中有 55 个中国传统音乐片段。 Table~\ref{tab:Musics} 中显示了每个音乐片段的名称和相应的乐器。每个音乐片段仅由该数据集中的一种乐器演奏。_x000D_ _x000D_ 每个音乐片段都保存为 .wav 文件。这些文件的名称遵循“x.y.wav”的格式,“x”表示乐器编号,范围从1到11,“y”表示每个乐器的音乐编号,范围从1到5。这些文件是录制的双通道,采样率为 44100 Hz。这些音乐片段的持续时间在 25 到 280 秒之间。 ## 引文 ``` @inproceedings{gong2021chmusic, title={ChMusic: A Traditional Chinese Music Dataset for Evaluation of Instrument Recognition}, author={Gong, Xia and Zhu, Yuxiang and Zhu, Haidi and Wei, Haoran}, booktitle={2021 4th International Conference on Big Data Technologies}, pages={184--189}, year={2021} } ``` ## Download dataset :modelscope-code[]{type="git"}
数据集名称:ChMusic 许可证:MIT协议 媒体类型:音乐 论文链接:https://arxiv.org/pdf/2108.08470v2.pdf 发布年份:2021 发布地址:https://github.com/haoranweiutd/chmusic 发布机构:德克萨斯大学达拉斯分校、山东理工大学、华东师范大学第二附属中学(宝山校区)、中国科学院上海微系统与信息技术研究所 标签:乐器(Music Instrument)、二胡(Erhu)、琵琶(Pipa)、三弦(Sanxian) --- # 数据集介绍 ## 简介 ChMusic是一款面向中国传统音乐的数据集,可用于乐器识别模型的训练与性能评估。该数据集涵盖11类乐器,分别为二胡(Erhu)、琵琶(Pipa)、三弦(Sanxian)、笛子、唢呐、追琴、中阮、柳琴、古筝、扬琴与笙。 每类乐器对应5段中国传统音乐片段,因此数据集中共包含55段传统音乐片段。表 ef{tab:Musics}中列出了每段音乐的名称及其对应的演奏乐器,且每段音乐仅由该数据集内的单一乐器演奏。 所有音乐片段均保存为.wav格式文件,文件命名遵循"x.y.wav"规则:其中"x"代表乐器编号,取值范围为1至11;"y"代表单乐器下的音乐片段编号,取值范围为1至5。所有音频文件均为双通道格式,采样率为44100 Hz,单段音乐的持续时长介于25秒至280秒之间。 ## 引文 @inproceedings{gong2021chmusic, title={ChMusic: A Traditional Chinese Music Dataset for Evaluation of Instrument Recognition}, author={Gong, Xia and Zhu, Yuxiang and Zhu, Haidi and Wei, Haoran}, booktitle={2021 4th International Conference on Big Data Technologies}, pages={184--189}, year={2021} } ## 下载数据集 :modelscope-code[]{type="git"}




