MACS

该数据集为各种音频事件提供了人工标注的音频字幕，它以人类标注的音频字幕形式提供真实标签，旨在支持音频字幕生成任务。

This dataset provides manually annotated audio captions as ground truth labels for various audio events, and is intended to support audio caption generation tasks.

搜集汇总

背景与挑战

背景概述

MACS数据集是一个多标注者音频标题和标签数据集，包含3930个来自TAU Urban Acoustic Scenes 2019开发数据集的音频文件，涵盖机场、公共广场和公园等城市声学场景。每个音频文件由多个标注者提供一句话描述和标签，并附带标注者能力估计，适用于音频标注、机器学习和可靠性研究。