ggfox00000/dia-AvaAvd-test

---
license: cc-by-4.0
task_categories:
- voice-activity-detection
- automatic-speech-recognition
language:
- en
- multilingual
size_categories:
- n<1K
pretty_name: AVA-AVD (test) — Audio-Visual Speaker Diarization
tags:
- speaker-diarization
- diarization
- ava-avd
- ava
- in-the-wild
- audio-visual
- rttm
- audio
annotations_creators:
- expert-generated
source_datasets:
- extended|ava-avd
- extended|ava
dataset_info:
features:
- name: audio
dtype: audio
- name: rttm
dtype: string
- name: file_id
dtype: string
splits:
- name: test
num_examples: 54
---

# AVA-AVD — test split (audio-visual speaker diarization in the wild)

Copie du split **`test` d'AVA-AVD** (Xu et al., ACM MM 2022), un corpus de
diarisation dans des conditions "in the wild" construit sur AVA Active Speaker.

Chaque clip (~5 min) est extrait des vidéos AVA à des offsets précis définis
par le repo officiel, puis l'audio est re-synchronisé : les timestamps des
RTTMs ont été **recalculés en temps clip-local** (soustrait `min_start` du
RTTM d'origine) pour être directement utilisables avec le WAV.

## Contenu

- **54** clips audio (provenant de 18 vidéos AVA uniques)
- Audio : **WAV** 16 kHz mono (extrait via `ffmpeg`, re-synchro clip-local)
- Annotations : **RTTM** standard pyannote, timestamps clip-local
- Langue : principalement anglais (multilingue selon vidéos AVA sources)
- Licence : **CC-BY-4.0** (hérité d'AVA / AVA-AVD upstream)

## Structure

```
dia-AvaAvd-test/
├── README.md
├── audio/test/<clip_id>.wav # 54
└── rttm/test/<clip_id>.rttm # 54
```

Le `clip_id` suit le format `<ava_video_id>_c_NN` (ex: `1j20qq1JyX4_c_01`).
Le WAV et le RTTM partagent la même base temporelle (t=0 début du clip).

Chaque ligne RTTM :
```
SPEAKER <clip_id> 1 <start_sec> <duration_sec> <NA> <NA> <speaker_id> <NA> <NA>
```

## Split upstream

- `train.list` : 242 clips (non fourni ici — train seulement)
- `val.list` : 53 clips (non fourni ici)
- **`test.list` : 53 clips ← c'est ce qu'on trouve dans ce repo**

Le split `test.list` officiel est listé dans
`https://github.com/showlab/AVA-AVD/blob/main/dataset/split/test.list`.

## Utilisation

```python
from pathlib import Path
from huggingface_hub import snapshot_download
from pyannote.audio import Pipeline
from pyannote.metrics.diarization import DiarizationErrorRate
from pyannote.database.util import load_rttm

root = snapshot_download("ggfox00000/dia-AvaAvd-test", repo_type="dataset")
pipe = Pipeline.from_pretrained("pyannote/speaker-diarization-3.1")

metric = DiarizationErrorRate()
audio_dir = Path(root) / "audio/test"
rttm_dir = Path(root) / "rttm/test"
for wav in sorted(audio_dir.glob("*.wav")):
hyp = pipe(str(wav))
ref = next(iter(load_rttm(str(rttm_dir / f"{wav.stem}.rttm")).values()))
metric(ref, hyp)
print(f"DER: {abs(metric):.3f}")
```

## Source

- AVA-AVD — Xu et al., ACM MM 2022
https://github.com/showlab/AVA-AVD
https://arxiv.org/abs/2111.14448

## Licence

**CC-BY-4.0** — hérité de la distribution AVA-AVD upstream et d'AVA.

## Citation

```bibtex
@inproceedings{xu2022ava,
author = {Xu, Eric Zhongcong and Song, Zeyang and Tsutsui, Satoshi and Feng, Chao and Ye, Mang and Shou, Mike Zheng},
title = {AVA-AVD: Audio-Visual Speaker Diarization in the Wild},
booktitle = {Proceedings of the 30th ACM International Conference on Multimedia},
pages = {3838--3847},
year = {2022},
}
```