Get best of the week

从何处获取机器学习的音频：一系列根据知识共享许可的开放库

对于开发机器学习模型的人的一小部分摘要。

在削减下-带有工业单位语音，音乐和噪音的数据集。


照片艾米丽灰浆 / Unsplash


音频集


该数据集由Google 机器感知实验室的工程师监督。它包含来自YouTube视频的超过200万个语音剪辑，长达10秒。它们全部分为632个类别，描述了视频中发生的事情。这里仅举几个例子：音乐，笑声，打，爆炸，割草机的噪音，溪流的杂音，狗的吠叫。

AudioSet提供三组：测试，平衡和不平衡。第一个包括20383个视频片段，分为527个声音类别。它们每个都包含至少59个剪辑。平衡集与测试集相似，但有一个例外-它有22,176个段。至于不平衡，它包含所有两百万个样本，没有任何排序。

用于下载的数据以两种格式表示：作为文本csv文件和作为通过卷积神经网络从视频中提取的音频符号。要卸载收集数据所依据的所有视频，可以使用python模块-youtube-dl。该数据集获得CC BY 4.0的许可。可以在Google组中监视更新：audioset-users。


MIMII数据集


日立的工程师介绍了一个带有工业设备运转声音的录音基地。该数据集适用于确定机器学习故障的机器学习模型的开发。选择包含阀门，泵和风扇的噪音。超过2.6万个10秒样本专门用于以正常模式运行的设备。

另外有6000份文件记录了机器在不完美条件下的运行情况：没有润滑，刀片断裂或导板损坏。

所有录音均以WAV格式制作，采样频率为16 kHz-总重量超过150 GB。您可以在此处听示例。该套件由CC BY-SA许可。



照片弥敦道罗瑟 / Unsplash


利比佩佩奇


该数据集包括一千小时的英语语音（16 kHz）。他由约翰·霍普金斯大学的工程师Vasil Panayotov和Daniel Povey监督。数据取自非营利性LibriVox项目创建的有声读物。它们是由志愿者在美国公共领域阅读的文本写下的，例如，来自Gutenberg项目的文本。

除了数据集本身之外，您还可以在该站点上将所有带有录音的MP3文件（这是87 GB）和元数据下载到其中。已安装的许可证是CC BY 4.0。您可以在kaldi-asr.org上评估使用此数据集训练的声学模型。


百万首歌曲数据集


免费收集一百万个流行曲目的音频标签和元数据。它本身不包含录音，但是，可以使用开发人员提供的代码来“收紧”原始曲目。他们是美国国家科学基金会的工程师，负责该国科学技术的发展。该数据集的首批数据之一由Spotify 自2014年以来拥有的Echo Nest分析平台提供。 Last.fm，Musixmatch和SecondHandSongs也做出了贡献。

整个基座的重量约为300 GB。但是作者提供了一个包含一万首歌曲的小型测试样本 -这是1.8 GB。所有这些都分为几类，我们可以区分：艺术家，类型，发行日期，心情等。


我们的“高保真音响世界”中的更多收藏：

在哪里为您的项目获取音频样本：九个主题资源的集合
12个主题资源，并带有知识共享许可下的曲目在
哪里获取游戏开发和其他商业项目的音频


在4月5日之前，我们冻结了许多商品的价格。这是购买您长期关注的小工具的绝佳机会。例如，声学或“转台”，最高可达2.5万卢布。：


PS所示价格仅在发布之日相关。检查Audiomania的官方网站，选择适合您口味的音频小工具。

More articles:


All Articles