SPARCO-project/benchmark-noise_ablation
收藏资源简介：
该数据集包含从LibriSpeech test-clean干净语音和两种干扰类型生成的固定长度噪声语音混合：50% DEMAND环境背景噪声和50%生成的白噪声。数据集专为SPARCO噪声消融实验设计，包括基于AUROC的SAE噪声相关特征选择、二元噪声存在评分器训练、评分器阈值校准和最终保留基准评估。数据来源包括LibriSpeech ASR语料库（CC BY 4.0许可）和DEMAND噪声数据库（需验证许可）。生成配置：采样率16000 Hz，剪辑长度4.0秒，DEMAND/白噪声比例约为50%/50%，SNR选择为5、10、15、20 dB，并在每个分割内按噪声类型×SNR分层平衡。数据集分为三个部分：feature_scorer_train用于特征选择和评分器训练，scorer_val用于阈值校准，benchmark_test仅用于最终评估。文件包括metadata.csv、scorer_examples.csv、mixtures/音频混合和clean/干净目标音频。
许可证：其他 语言： - 英语 标签： - 音频 - 降噪 - 噪声消融 - LibriSpeech - DEMAND - 白噪声 - SPARCO 任务类别： - 音频到音频 - 音频分类 展示名称：benchmark-noise_ablation 样本规模类别： - 1K<n<10K # 噪声消融基准数据集 本数据集包含从LibriSpeech `test-clean` 清洁语音中生成的定长带噪语音混合样本，共涵盖两类干扰源： - 50%的DEMAND环境背景噪声 - 50%的人工生成白噪声 本数据集专为SPARCO噪声消融实验设计，可用于以下任务： - 基于AUROC的SAE噪声相关特征选择 - 二元语音存在评分器训练 - 评分器阈值校准 - 最终留出基准评估 ## 数据来源 ### 清洁语音 - LibriSpeech自动语音识别语料库test-clean划分集 - 来源：https://www.openslr.org/12 - 许可证：根据OpenSLR声明，采用CC BY 4.0协议 ### 背景噪声 - DEMAND：多样环境多通道声学噪声数据库（Diverse Environments Multichannel Acoustic Noise Database） - 作者：Joachim Thiemann、Nobutaka Ito、Emmanuel Vincent - DOI：10.5281/zenodo.1227121 - 来源：https://zenodo.org/records/1227121 ### 白噪声 - 通过固定随机种子编程生成。 ## 重要许可证声明 本数据集为衍生数据集，包含LibriSpeech与DEMAND音频的混合样本。 LibriSpeech由OpenSLR发布，采用CC BY 4.0协议。DEMAND的许可证信息需从其原始Zenodo页面及相关文档中核实。DEMAND的元数据或文档可能采用知识共享署名4.0（CC BY 4.0）和/或知识共享署名-相同方式共享3.0未移植（CC BY-SA 3.0）协议。鉴于此类协议歧义，本数据集卡片保守采用如下设置： yaml license: other 用户在进行重新分发、商业使用或发布修改后的衍生作品前，应核实适用的许可证条款。若DEMAND衍生音频需遵循共享相似（ShareAlike）协议，则衍生混合样本需遵循兼容的ShareAlike条款。 ## 生成配置 - 清洁语音来源：仅采用LibriSpeech test-clean划分集 - 采样率：16000 Hz - 片段长度：4.0秒 - 各划分集的DEMAND/白噪声占比：约50% / 50% - 信噪比（SNR）可选值（dB）：5、10、15、20 - 信噪比分配：各划分集内按噪声类型×信噪比进行分层平衡 - 清洁语音划分：按说话人互不重叠划分 - DEMAND噪声划分：继承自`benchmark_DEMAND_noise`数据集 针对推荐的信噪比集合`[5, 10, 15, 20]`，各划分集在8个单元格上实现平衡： | 噪声类型 | 5 dB | 10 dB | 15 dB | 20 dB | |---|---:|---:|---:|---:| | DEMAND | 平衡分布 | 平衡分布 | 平衡分布 | 平衡分布 | | 白噪声 | 平衡分布 | 平衡分布 | 平衡分布 | 平衡分布 | ## 数据集划分 | 划分名称 | 用途 | |---|---| | feature_scorer_train | AUROC特征选择+语音存在评分器训练 | | scorer_val | 评分器阈值校准/模型检查点选择 | | benchmark_test | 仅用于最终留出基准评估 | 请勿将`benchmark_test`划分集用于特征选择、评分器训练、阈值调优、K值选择或干预强度选择。 ## 文件说明 - `metadata.csv`：每条混合样本对应一行元数据 - `scorer_examples.csv`：二元语音存在评分器示例样本 - `mixtures/`：带噪语音混合样本文件夹 - `clean/`：清洁语音目标文件夹，采用与混合样本一致的4秒窗口进行裁剪或填充 ### 重要元数据列 - `file_name`：混合音频的相对路径 - `clean_file_name`：清洁语音目标音频的相对路径 - `split`：数据集划分类型，可选`feature_scorer_train`、`scorer_val`或`benchmark_test` - `noise_type`：噪声类型，可选`demand`或`white` - `snr_db`：目标信噪比（dB） - `speaker_id`：LibriSpeech说话人ID - `noise_env`：DEMAND噪声对应的环境类型，白噪声则为`white` - `noise_segment_id`：DEMAND噪声对应的片段ID，白噪声则为生成的随机ID ## 本地加载方法 python from datasets import load_dataset ds = load_dataset("audiofolder", data_dir="./benchmark_noise_ablation_librispeech_demand_white") print(ds) ## 从Hugging Face加载方法 python from datasets import load_dataset ds = load_dataset("SPARCO-project/benchmark-noise_ablation") print(ds) ## 引用声明 若使用本数据集，请引用LibriSpeech与DEMAND相关文献： - LibriSpeech：Vassil Panayotov、Guoguo Chen、Daniel Povey与Sanjeev Khudanpur，2015年。 - DEMAND：Thiemann, J., Ito, N., & Vincent, E. (2013). DEMAND: a collection of multi-channel recordings of acoustic noise in diverse environments. Zenodo. https://doi.org/10.5281/zenodo.1227121
