Jazz 48Khz Stereo WAV

kaggle2023-04-21 更新2024-03-11 收录

音频生成

WaveGAN

数据链接：

https://www.kaggle.com/datasets/clementdelteil/jazz-48khz-stereo-wav 数据链接链接失效反馈

官方服务：

资源简介：

35 minutes of jazz for audio generation using a WaveGAN

35分钟的爵士乐数据集，用于基于WaveGAN的音频生成任务

创建时间：

2023-04-21

AudioCoT

多模态学习

音频生成

AudioCoT是一个大型多模态数据集，包含结构化的推理注释，建立了视觉内容、文本描述和声音合成之间的联系。该数据集用于训练ThinkSound模型，该模型能够逐步、交互式地生成和编辑音频。数据集由视频-音频对和音频-文本对组成，涵盖了现实世界中的各种音频视觉事件，并通过多阶段处理流程和自动化的推理生成流程进行构建。

arXiv2025-06-27 更新1570

CRPO

音频生成

偏好优化

CRPO数据集是由新加坡科技设计大学和NVIDIA的研究团队通过CLAP-Ranked Preference Optimization (CRPO)框架创建的音频偏好数据集。该数据集旨在解决文本到音频生成模型在偏好对齐方面的挑战，通过迭代生成和优化偏好数据来提升模型性能。数据集的内容包括通过CLAP模型排名的音频样本，用于构建偏好对并进行优化。CRPO数据集的应用领域主要集中在文本到音频生成模型的

arXiv2024-12-31 更新730

slseanwu/clotho-chatgpt-mixup-50K

音频生成

语言模型增强

该数据集是对应于论文《Improving Audio Captioning Models with Fine-grained Audio Features, Text Embedding Supervision, and LLM Mix-up Augmentation》第2.3节的产物。数据集的上游数据来源于Clotho V2数据集的开发集，用于预训练音频字幕生成模型。数据文件包含ChatGPT输

Hugging Face2024-01-06 更新240

declare-lab/audio-alpaca

音频生成

用户偏好分析

Audio-alpaca是一个成对偏好数据集，包含约15k个（prompt, chosen, rejected）三元组，其中给定一个文本提示，chosen是首选的生成音频，rejected是不受欢迎的音频。

Hugging Face2024-07-18 更新900

WaveFake: A data set to facilitate audio DeepFake detection

deepfake检测

音频生成

The main purpose of this data set is to facilitate research into audio DeepFakes. We hope that this work helps in finding new detection methods to prevent such attempts. These generated media files ha

Mendeley Data2024-03-27 更新250

Jazz 48Khz Stereo WAV

资源简介：

相关数据集