- Описание :
Набор данных NSynth — это набор аудиоданных, содержащий около 300 тысяч музыкальных нот, каждая из которых имеет уникальную высоту тона, тембр и огибающую. Каждое примечание снабжено тремя дополнительными элементами информации, основанными на сочетании человеческой оценки и эвристических алгоритмов: Источник, Семья и Качества.
Домашняя страница : https://g.co/magenta/nsynth-dataset
Исходный код :
tfds.audio.Nsynth
Версии :
-
2.3.0
: Новая функцияloudness_db
в децибелах (ненормализованная). -
2.3.1
: F0 вычисляется с исправлением нормализации в CREPE. -
2.3.2
: Используйте функцию аудио. -
2.3.3
(по умолчанию): F0 вычисляется с исправлением в нормализации волны CREPE ( https://github.com/marl/crepe/issues/49 ).
-
Автоматическое кэширование ( документация ): Нет
Ключи под наблюдением (см . документ
as_supervised
):None
Рисунок ( tfds.show_examples ): не поддерживается.
Цитата :
@InProceedings{pmlr-v70-engel17a,
title = {Neural Audio Synthesis of Musical Notes with {W}ave{N}et Autoencoders},
author = {Jesse Engel and Cinjon Resnick and Adam Roberts and Sander Dieleman and Mohammad Norouzi and Douglas Eck and Karen Simonyan},
booktitle = {Proceedings of the 34th International Conference on Machine Learning},
pages = {1068--1077},
year = {2017},
editor = {Doina Precup and Yee Whye Teh},
volume = {70},
series = {Proceedings of Machine Learning Research},
address = {International Convention Centre, Sydney, Australia},
month = {06--11 Aug},
publisher = {PMLR},
pdf = {http://proceedings.mlr.press/v70/engel17a/engel17a.pdf},
url = {http://proceedings.mlr.press/v70/engel17a.html},
}
nsynth/full (конфигурация по умолчанию)
Описание конфигурации : Полный набор данных NSynth разделен на обучающий, действительный и тестовый наборы, при этом никакие инструменты не перекрываются между обучающим набором и действительным/тестовым набором.
Размер загрузки :
73.07 GiB
Размер набора данных :
73.09 GiB
Сплиты :
Расколоть | Примеры |
---|---|
'test' | 4096 |
'train' | 289 205 |
'valid' | 12 678 |
- Особенности :
FeaturesDict({
'audio': Audio(shape=(64000,), dtype=tf.float32),
'id': tf.string,
'instrument': FeaturesDict({
'family': ClassLabel(shape=(), dtype=tf.int64, num_classes=11),
'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1006),
'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
}),
'pitch': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
'qualities': FeaturesDict({
'bright': tf.bool,
'dark': tf.bool,
'distortion': tf.bool,
'fast_decay': tf.bool,
'long_release': tf.bool,
'multiphonic': tf.bool,
'nonlinear_env': tf.bool,
'percussive': tf.bool,
'reverb': tf.bool,
'tempo-synced': tf.bool,
}),
'velocity': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
})
- Примеры ( tfds.as_dataframe ):
nsynth/gansynth_subset
Описание конфигурации : набор данных NSynth ограничен акустическими инструментами в интервале высоты тона MIDI [24, 84]. Использует альтернативные разделения, которые имеют перекрытие в инструментах (но не точные ноты) между набором поездов и действительными / тестовыми наборами. Этот вариант был первоначально представлен в документе ICLR 2019 GANSynth ( https://arxiv.org/abs/1902.08710 ).
Размер загрузки :
73.08 GiB
Размер набора данных :
20.73 GiB
Сплиты :
Расколоть | Примеры |
---|---|
'test' | 8 518 |
'train' | 60 788 |
'valid' | 17 469 |
- Особенности :
FeaturesDict({
'audio': Audio(shape=(64000,), dtype=tf.float32),
'id': tf.string,
'instrument': FeaturesDict({
'family': ClassLabel(shape=(), dtype=tf.int64, num_classes=11),
'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1006),
'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
}),
'pitch': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
'qualities': FeaturesDict({
'bright': tf.bool,
'dark': tf.bool,
'distortion': tf.bool,
'fast_decay': tf.bool,
'long_release': tf.bool,
'multiphonic': tf.bool,
'nonlinear_env': tf.bool,
'percussive': tf.bool,
'reverb': tf.bool,
'tempo-synced': tf.bool,
}),
'velocity': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
})
- Примеры ( tfds.as_dataframe ):
nsynth/gansynth_subset.f0_and_loudness
Описание конфигурации : набор данных NSynth ограничен акустическими инструментами в интервале высоты тона MIDI [24, 84]. Использует альтернативные разделения, которые имеют перекрытие в инструментах (но не точные ноты) между набором поездов и действительными / тестовыми наборами. Этот вариант был первоначально представлен в документе ICLR 2019 GANSynth ( https://arxiv.org/abs/1902.08710 ). Эта версия дополнительно содержит оценки для F0 с использованием CREPE (Kim et al., 2018) и взвешенной по шкале А воспринимаемой громкости в децибелах. Оба сигнала предоставляются с частотой кадров 250 Гц.
Размер загрузки :
73.08 GiB
Размер набора данных :
22.03 GiB
Сплиты :
Расколоть | Примеры |
---|---|
'test' | 8 518 |
'train' | 60 788 |
'valid' | 17 469 |
- Особенности :
FeaturesDict({
'audio': Audio(shape=(64000,), dtype=tf.float32),
'f0': FeaturesDict({
'confidence': Tensor(shape=(1000,), dtype=tf.float32),
'hz': Tensor(shape=(1000,), dtype=tf.float32),
'midi': Tensor(shape=(1000,), dtype=tf.float32),
}),
'id': tf.string,
'instrument': FeaturesDict({
'family': ClassLabel(shape=(), dtype=tf.int64, num_classes=11),
'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1006),
'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
}),
'loudness': FeaturesDict({
'db': Tensor(shape=(1000,), dtype=tf.float32),
}),
'pitch': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
'qualities': FeaturesDict({
'bright': tf.bool,
'dark': tf.bool,
'distortion': tf.bool,
'fast_decay': tf.bool,
'long_release': tf.bool,
'multiphonic': tf.bool,
'nonlinear_env': tf.bool,
'percussive': tf.bool,
'reverb': tf.bool,
'tempo-synced': tf.bool,
}),
'velocity': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
})
- Примеры ( tfds.as_dataframe ):