vocalsound in WebDataset Format

This dataset is the vocalsound dataset, formatted in the WebDataset format. WebDataset files are essentially tar archives, where each example in the dataset is represented by a pair of files: a WAV audio file and a corresponding JSON metadata file. The JSON file contains the class label and other relevant information for that particular audio sample. $ tar tvf train-000000.tar|head -r--r--r-- bigdata/bigdata 19 2025-01-15 15:45 m2246_0_sneeze.json -r--r--r-- bigdata/bigdata 150230 2025-01-15 15:45 m2246_0_sneeze.wav -r--r--r-- bigdata/bigdata 18 2025-01-15 15:45 m2484_0_sniff.json -r--r--r-- bigdata/bigdata 150230 2025-01-15 15:45 m2484_0_sniff.wav -r--r--r-- bigdata/bigdata 18 2025-01-15 15:45 m0564_0_sniff.json -r--r--r-- bigdata/bigdata 125654 2025-01-15 15:45 m0564_0_sniff.wav -r--r--r-- bigdata/bigdata 18 2025-01-15 15:45 m0967_0_sniff.json -r--r--r-- bigdata/bigdata 213036 2025-01-15 15:45 m0967_0_sniff.wav -r--r--r-- bigdata/bigdata 21 2025-01-15 15:45 f2302_0_laughter.json -r--r--r-- bigdata/bigdata 161154 2025-01-15 15:45 f2302_0_laughter.wav $ cat m2246_0_sneeze.json {"label": "sneeze"}本数据集为vocalsound数据集，采用WebDataset格式进行组织存储。WebDataset格式的文件本质为tar归档包，数据集中的每一条样本均由一对配套文件构成：一个WAV音频文件与对应的JSON元数据文件。该JSON元数据文件包含对应音频样本的类别标签及其他相关关联信息。 执行命令`tar tvf train-000000.tar|head`可查看训练数据分块文件的头部内容，示例输出如下： -r--r--r-- bigdata/bigdata 19 2025-01-15 15:45 m2246_0_sneeze.json -r--r--r-- bigdata/bigdata 150230 2025-01-15 15:45 m2246_0_sneeze.wav -r--r--r-- bigdata/bigdata 18 2025-01-15 15:45 m2484_0_sniff.json -r--r--r-- bigdata/bigdata 150230 2025-01-15 15:45 m2484_0_sniff.wav -r--r--r-- bigdata/bigdata 18 2025-01-15 15:45 m0564_0_sniff.json -r--r--r-- bigdata/bigdata 125654 2025-01-15 15:45 m0564_0_sniff.wav -r--r--r-- bigdata/bigdata 18 2025-01-15 15:45 m0967_0_sniff.json -r--r--r-- bigdata/bigdata 213036 2025-01-15 15:45 m0967_0_sniff.wav -r--r--r-- bigdata/bigdata 21 2025-01-15 15:45 f2302_0_laughter.json -r--r--r-- bigdata/bigdata 161154 2025-01-15 15:45 f2302_0_laughter.wav 执行命令`cat m2246_0_sneeze.json`可查看单条样本的元数据文件内容，示例如下： {"label": "sneeze"}