gtzan_music_speech

  • 説明

データセットは、音楽/音声の識別を目的として収集されました。データセットは、それぞれ30秒の長さの120トラックで構成されています。各クラス(音楽/スピーチ)には60の例があります。トラックはすべて、.wav形式の22050Hzモノラル16ビットオーディオファイルです。

スプリット
'train' 128
  • 特長
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=tf.int64),
    'audio/filename': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})
  • 引用
@ONLINE {Music Speech,
    author = "Tzanetakis, George",
    title  = "GTZAN Music/Speech Collection",
    year   = "1999",
    url    = "http://marsyas.info/index.html"
}