sintetizador

Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

  • Descripción :

El conjunto de datos de NSynth es un conjunto de datos de audio que contiene ~300k notas musicales, cada una con un tono, timbre y envolvente únicos. Cada nota está anotada con tres piezas adicionales de información basadas en una combinación de evaluación humana y algoritmos heurísticos: Fuente, Familia y Cualidades.

@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 (configuración predeterminada)

  • Descripción de la configuración : el conjunto de datos completo de NSynth se divide en conjuntos de entrenamiento, válidos y de prueba, sin que los instrumentos se superpongan entre el conjunto de entrenamiento y los conjuntos válidos/de prueba.

  • Tamaño de descarga : 73.07 GiB

  • Tamaño del conjunto de datos : 73.09 GiB

  • Divisiones :

Separar Ejemplos
'test' 4,096
'train' 289,205
'valid' 12,678
  • Estructura de características :
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),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
audio Audio (64000,) tf.float32
identificación Tensor tf.cadena
instrumento CaracterísticasDict
instrumento/familia Etiqueta de clase tf.int64
instrumento/etiqueta Etiqueta de clase tf.int64
instrumento/fuente Etiqueta de clase tf.int64
tono Etiqueta de clase tf.int64
cualidades CaracterísticasDict
calidades/brillante Tensor tf.bool
cualidades/oscuro Tensor tf.bool
calidades/distorsión Tensor tf.bool
cualidades/fast_decay Tensor tf.bool
calidades/lanzamiento_largo Tensor tf.bool
calidades/multifónico Tensor tf.bool
calidades/nonlinear_env Tensor tf.bool
cualidades/percusión Tensor tf.bool
cualidades/reverberación Tensor tf.bool
calidades/tempo-synced Tensor tf.bool
velocidad Etiqueta de clase tf.int64

nsynth/gansynth_subconjunto

  • Descripción de la configuración : NSynth Dataset limitado a instrumentos acústicos en el intervalo de tono MIDI [24, 84]. Utiliza divisiones alternativas que se superponen en los instrumentos (pero no en las notas exactas) entre el conjunto de trenes y los conjuntos válidos/de prueba. Esta variante se introdujo originalmente en el documento ICLR 2019 GANSynth ( https://arxiv.org/abs/1902.08710 ).

  • Tamaño de descarga : 73.08 GiB

  • Tamaño del conjunto de datos : 20.73 GiB

  • Divisiones :

Separar Ejemplos
'test' 8,518
'train' 60,788
'valid' 17,469
  • Estructura de características :
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),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
audio Audio (64000,) tf.float32
identificación Tensor tf.cadena
instrumento CaracterísticasDict
instrumento/familia Etiqueta de clase tf.int64
instrumento/etiqueta Etiqueta de clase tf.int64
instrumento/fuente Etiqueta de clase tf.int64
tono Etiqueta de clase tf.int64
cualidades CaracterísticasDict
calidades/brillante Tensor tf.bool
cualidades/oscuro Tensor tf.bool
calidades/distorsión Tensor tf.bool
cualidades/fast_decay Tensor tf.bool
calidades/lanzamiento_largo Tensor tf.bool
calidades/multifónico Tensor tf.bool
calidades/nonlinear_env Tensor tf.bool
cualidades/percusión Tensor tf.bool
cualidades/reverberación Tensor tf.bool
calidades/tempo-synced Tensor tf.bool
velocidad Etiqueta de clase tf.int64

nsynth/gansynth_subset.f0_and_loudness

  • Descripción de la configuración : NSynth Dataset limitado a instrumentos acústicos en el intervalo de tono MIDI [24, 84]. Utiliza divisiones alternativas que se superponen en los instrumentos (pero no en las notas exactas) entre el conjunto de trenes y los conjuntos válidos/de prueba. Esta variante se introdujo originalmente en el documento ICLR 2019 GANSynth ( https://arxiv.org/abs/1902.08710 ). Esta versión también contiene estimaciones para F0 utilizando CREPE (Kim et al., 2018) y la sonoridad perceptiva ponderada A en decibelios. Ambas señales se proporcionan a una velocidad de fotogramas de 250 Hz.

  • Tamaño de descarga : 73.08 GiB

  • Tamaño del conjunto de datos : 22.03 GiB

  • Divisiones :

Separar Ejemplos
'test' 8,518
'train' 60,788
'valid' 17,469
  • Estructura de características :
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),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
audio Audio (64000,) tf.float32
f0 CaracterísticasDict
f0/confianza Tensor (1000,) tf.float32
f0/hz Tensor (1000,) tf.float32
f0/midi Tensor (1000,) tf.float32
identificación Tensor tf.cadena
instrumento CaracterísticasDict
instrumento/familia Etiqueta de clase tf.int64
instrumento/etiqueta Etiqueta de clase tf.int64
instrumento/fuente Etiqueta de clase tf.int64
volumen CaracterísticasDict
sonoridad/db Tensor (1000,) tf.float32
tono Etiqueta de clase tf.int64
cualidades CaracterísticasDict
calidades/brillante Tensor tf.bool
cualidades/oscuro Tensor tf.bool
calidades/distorsión Tensor tf.bool
cualidades/fast_decay Tensor tf.bool
calidades/lanzamiento_largo Tensor tf.bool
calidades/multifónico Tensor tf.bool
calidades/nonlinear_env Tensor tf.bool
cualidades/percusión Tensor tf.bool
cualidades/reverberación Tensor tf.bool
calidades/tempo-synced Tensor tf.bool
velocidad Etiqueta de clase tf.int64