spw2000/BEWO-1M

BEWO-1M是一个大规模的、基于模拟的、GPT辅助的空间音频数据集，包含丰富的声音场景和描述，甚至包括移动和多个声源。BEWO-1M is a large-scale, simulation-based, and GPT-assisted spatial audio dataset, with abundant soundscapes and descriptions including moving and multiple sources.

搜集汇总

背景与挑战

背景概述

BEWO-1M是一个大规模双声道空间音频数据集，包含超过100万音频-文本对，通过仿真和GPT辅助生成，总时长约2.8k小时训练数据和17小时验证数据。该数据集专为语言驱动的空间音频生成任务设计，数据来源包括多个公开音频数据集，并提供丰富的空间元数据（如房间尺寸、声源位置、混响时间等），以支持多模态引导的空间音频模型训练。