Meranti/CLAP_freesound

LAION-Audio-630K是目前公开的最大的音频-文本数据集，包含了Freesound数据集。Hugging Face仓库中提供了两个版本的Freesound数据集：完整版和无重叠版。完整版包含所有Freesound数据，而无重叠版则移除了与ESC50、FSD50K、Urbansound8K和Clotho数据集重叠的样本。两个数据集都包含音频文件和1-2个对应的文本描述。元数据csv文件提供了音频文件名、描述、Freesound ID、上传者用户名、音频文件URL和许可信息。数据集的使用仅限于研究目的，商业用途需联系相关作者。

原始信息汇总

数据集概述

数据集名称

• LAION-Audio-630K Freesound Dataset

数据集版本

• Freesound (full): 完整数据集，包含515581个样本，总时长3033.38小时。
• Freesound (no overlap): 去除与ESC50, FSD50K, Urbansound8K和Clotho重叠的样本，包含460801个样本，总时长2817.31小时。

数据集特征

• 数据类型: 音频与文本
• 标签: 音频、文本、对比学习
• 语言: 英语
• 任务类别: 音频分类
• 大小类别: 1M<n<10M

数据集内容

• 音频文件: 包含1-2个文本描述的音频文件。
• 元数据: 提供CSV文件，包含音频文件名、文本描述、Freesound ID、上传者用户名、Freesound URL和许可证信息。

许可证信息

• 多数音频文件: 遵循Creative Commons许可证。
• 具体许可证分布:
  • CC0: 260134个样本
  • CC BY 4.0: 97090个样本
  • CC BY 3.0: 89337个样本
  • CC BY-NC 3.0: 31680个样本
  • CC BY-NC 4.0: 26736个样本
  • CC Sampling+ 1.0: 11116个样本

使用条款

• 限制: 仅限于研究目的使用。如需商业使用，请联系Frederic Font Corbera。

贡献者

• 组织: LAION，德国非营利研究组织。
• 社区贡献者: 包括但不限于Discord用户@marianna13#7139, @Chr0my#0173等。

搜集汇总

背景与挑战

背景概述

Meranti/CLAP_freesound是一个大型音频-文本数据集，包含两个版本：完整版和去重叠版，主要用于音频分类和对比学习研究。数据集规模在100万到1000万之间，音频文件使用多种Creative Commons许可，仅限研究使用。