ToneTwist AFx Dataset: Fulltone Full Drive 2

Settings Volume Tone Drive Boost 10 5 1 0 10 5 5 0 10 5 10 0 10 10 10 10 Dry with markers Dry inputs are a selection of clean guitar and bass recordings from different sources: IDMT-SMT-GUITAR - dataset 2 (7:23 min) IDMT-SMT-GUITAR - dataset 4 - Career SG (6:08 min) IDMT-SMT-GUITAR - dataset 4 - Ibanez 2820 (5:14 min) IDMT-SMT-Bass-Single-Track - (5:58 min) NAM: Neural Amp Modeler - (3:11 min) Private Guitar Data - (5:19 min) YouTube Bass Recordings - (10:09 min) Pre-processing: All: synchronization markers (2 impulses) added at start and end of every file IDMT-SMT-GUITAR - dataset 2: peak normalized to -6dBFS NAM: no pre-processing Others: peak normalized to -0.1dBFS signal multiplied by random number every 5 seconds (uniform distribution [0.1, 1.0] = [-20dB, 0dB]) Authors Marco Comunità - Centre for Digital Music, Queen Mary University of London Github https://github.com/mcomunita/tonetwist-afx-dataset Reference If you make use of AUDIO-EFFECTS-DATASET, please cite the following publication: @misc{comunità2025nablafxframeworkdifferentiableblackbox, title={NablAFx: A Framework for Differentiable Black-box and Gray-box Modeling of Audio Effects}, author={Marco Comunità and Christian J. Steinmetz and Joshua D. Reiss}, year={2025}, eprint={2502.11668}, archivePrefix={arXiv}, primaryClass={cs.SD}, url={https://arxiv.org/abs/2502.11668}, }参数设置 效果参数配置如下（按音量（Volume）、音色（Tone）、驱动度（Drive）、激励量（Boost）顺序）： 1. 10, 5, 1, 0 2. 10, 5, 5, 0 3. 10, 5, 10, 0 4. 10, 10, 10, 10 带同步标记的干声样本 干声输入为来自多渠道的纯净吉他与贝斯录音合集，具体如下： 1. IDMT-SMT吉他数据集（IDMT-SMT-GUITAR）2（时长7分23秒） 2. IDMT-SMT吉他数据集（IDMT-SMT-GUITAR）4——Career SG型号吉他录音（时长6分08秒） 3. IDMT-SMT吉他数据集（IDMT-SMT-GUITAR）4——依班娜Ibanez 2820型号吉他录音（时长5分14秒） 4. IDMT-SMT贝斯单轨录音数据集（IDMT-SMT-Bass-Single-Track）（时长5分58秒） 5. NAM（Neural Amp Modeler，神经吉他音箱建模工具）录制样本（时长3分11秒） 6. 私有吉他录音数据集（Private Guitar Data）（时长5分19秒） 7. YouTube平台贝斯录音合集（YouTube Bass Recordings）（时长10分09秒） 预处理流程 通用预处理：为所有音频文件的首尾添加同步标记（2个脉冲信号）。 分数据集预处理： 1. IDMT-SMT吉他数据集（IDMT-SMT-GUITAR）2：将音频峰值归一化至-6dBFS（分贝满刻度）。 2. NAM（Neural Amp Modeler，神经吉他音箱建模工具）：无预处理操作。 3. 其余样本：将音频峰值归一化至-0.1dBFS，并每5秒对信号乘以一个服从[0.1, 1.0]均匀分布的随机数（对应增益范围为[-20dB, 0dB]）。 作者 马可·科穆尼塔（Marco Comunità），伦敦大学玛丽女王学院数字音乐中心 开源仓库地址 https://github.com/mcomunita/tonetwist-afx-dataset 引用说明 若使用本音频效果数据集，请引用以下文献： @misc{comunità2025nablafxframeworkdifferentiableblackbox, title={NablAFx: A Framework for Differentiable Black-box and Gray-box Modeling of Audio Effects}, author={Marco Comunità and Christian J. Steinmetz and Joshua D. Reiss}, year={2025}, eprint={2502.11668}, archivePrefix={arXiv}, primaryClass={cs.SD}, url={https://arxiv.org/abs/2502.11668}, }