teticio/audio-diffusion-256

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。数据集适用于图像到图像的任务类别，主要用于音频处理领域。

原始信息汇总

数据集概述

基本信息

• 名称: Mel spectrograms of music
• 大小: 10K<n<100K
• 语言: 未指定
• 许可证: 未指定
• 多语言性: 未指定

数据内容

• 类型: 音频
• 格式: 256x256 Mel spectrograms
• 样本时长: 5秒
• 样本数量: 超过20,000个

技术细节

• 分辨率: x_res = 256, y_res = 256
• 采样率: 22050 Hz
• FFT大小: 2048
• 跳跃长度: 512

任务相关

• 任务类别: image-to-image
• 任务ID: 未指定

附加信息

• 数据转换代码: 可在GitHub链接找到音频到频谱图及反向转换的代码，以及使用去噪扩散概率模型的训练和推理脚本。