AVASpeech-SMAD (AVASpeech-SMAD: A Strongly Labelled Speech and Music Activity Detection Dataset with Label Co-Occurrence)

我们提出了一个数据集 AVASpeech-SMAD，以协助语音和音乐活动检测研究。使用帧级音乐标签，建议的数据集扩展了现有的 AVASpeech 数据集，该数据集最初由 45 小时的音频和语音活动标签组成。据我们所知，所提出的 AVASpeech-SMAD 是第一个具有强大的音乐和语音复调标签的开源数据集。数据集通过迭代交叉检查过程手动注释和验证。还实施了简单的自动检查，以进一步提高标签的质量。还提供了两个最先进的 SMAD 系统的评估结果作为未来参考的基准。