teticio/audio-diffusion-1024

该数据集包含超过20,000个256x256的梅尔频谱图，这些频谱图是从Spotify喜欢的播放列表中提取的5秒音乐样本生成的。数据集的技术参数包括x_res=1024，y_res=1024，sample_rate=44100，n_fft=2048，hop_length=512。代码和脚本可以在https://github.com/teticio/audio-diffusion找到，用于将音频转换为频谱图，反之亦然，并使用去噪扩散概率模型进行训练和推理。

原始信息汇总

数据集概述

基本信息

• 数据集名称: Mel spectrograms of music
• 数据集大小: 10K<n<100K
• 标签: audio, spectrograms
• 任务类别: image-to-image

数据描述

• 数据内容: 包含超过20,000个256x256的梅尔频谱图，每个频谱图对应5秒的音乐样本，来源于作者的Spotify喜欢播放列表。
• 音频转换代码: 音频到频谱图的转换代码及其逆转换代码可在GitHub仓库中找到，同时包含用于训练和运行推理的脚本，使用去噪扩散概率模型。

技术参数

• 分辨率: x_res = 1024, y_res = 1024
• 采样率: sample_rate = 44100
• 快速傅里叶变换点数: n_fft = 2048
• 跳跃长度: hop_length = 512