К содержимому

Датасет · Loie

Аудиовизуальный датасет звуков с YouTube

Loie/VGGSound

Короткие аудиоклипы из видео на YouTube по более чем 310 классам для распознавания звуков.

Что внутри

В основе датасета лежат более 200 тысяч коротких аудиофрагментов, извлечённых из роликов на YouTube и охватывающих свыше 310 классов реальных звуков и шумов окружающей среды. В текущем репозитории на Hugging Face отражено менее 1 тысячи записей с модальностью изображений, хотя оригинальный корпус VGGSound от Оксфордского университета гораздо шире.

Что можно сделать

  • Обучение моделей классификации звуков и акустических событий
  • Тестирование аудиоклассификаторов в условиях реальных шумов
  • Мультимодальное сопоставление звука и видеоряда
Задачи
Классификация аудио
Размер
до 1K записей
Скачиваний за месяц
7,3 тыс.
Лайков
58

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("Loie/VGGSound")