Multidimensional Battery of Prosody Perception

Mendeley Data2024-01-31 更新2024-06-28 收录

韵律感知

声音处理

数据链接：

http://researchdata.bbk.ac.uk/id/eprint/37 数据链接链接失效反馈

官方服务：

资源简介：

Auditory stimuli were recorded with a microphone and underwent voice morphing with STRAIGHT software (see methods of MBOPP paper for details).

创建时间：

2024-01-31

MedleyVox

音源分离

声音处理

MedleyVox是由Gaudio Lab, Inc.和首尔国立大学合作创建的一个评估数据集，专门用于多重歌唱声音分离的研究。该数据集包含了23首歌曲的声乐轨道，分为四种不同的分离类别：齐唱、二重唱、主唱与和声以及其他多重歌唱分离。数据集的创建过程中，使用了多种单声歌唱数据集来构建多重歌唱混合物，并提出了改进的超分辨率网络（iSRNet）以提高分离网络的初步估计。MedleyVox旨在为音乐源分离

arXiv2023-05-04 更新790

HUME-VB

情感分析

声音处理

该数据集是一个大规模的情感非语言发声（即发声爆发）数据集，包含了来自1,702名发言者的59,299个发声样本。这些样本在参与者家中录制，模仿了种子情感的例子，并对10种不同的表达情绪进行了标注，每种情绪的强度评分范围在1到100之间。这是一个大型数据集，拥有59,299个发声样本，适用于多标签回归、二维情感建模、文化方面探索以及发声爆发分类等任务。

arXiv260

Sound_Spectrogram_text_to_Base64

声音处理

数据编码框架

该数据集包含图像、文本和图像的base64编码。数据集分为一个训练集，包含218个样本，总大小为37699350字节。数据集的下载大小为37692435字节。

Hugging Face2024-10-10 更新120

AUDIOMARATHON

音频理解

声音处理

AUDIOMARATHON是一个全面的声音理解基准，专为评估长上下文音频理解和推理效率而设计。该数据集由来自三个领域的多样化任务组成：语音、声音和音乐，以及覆盖十个代表性子任务的全面任务覆盖，包括语音识别、语音内容推理、语音实体识别、音乐分类、音频场景分类、声音事件检测、情绪识别、语音检测、说话人年龄识别和说话人性别识别。AUDIOMARATHON通过一个严格的多阶段框架构建，确保了多样性、难度和

arXiv2025-10-09 更新560

EasyCom

增强现实

声音处理

Easy Communications (EasyCom) 数据集是世界首创的数据集，旨在帮助减轻由增强现实 (AR) 驱动的多传感器以自我为中心的世界观带来的鸡尾酒会效应。该数据集包含 AR 眼镜以自我为中心的多通道麦克风阵列音频、宽视场 RGB 视频、语音源姿势、耳机麦克风音频、带注释的语音活动、语音转录、头部和面部边界框以及源识别标签。我们已经创建并正在发布此数据集，以促进针对鸡尾酒会问题的

OpenDataLab2026-07-12 更新150

Multidimensional Battery of Prosody Perception

资源简介：

相关数据集