امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

مسیحی

  • توضیحات :

NSynth Dataset یک مجموعه داده صوتی است که حاوی نت های موسیقی 300 هزار پوندی است که هر کدام دارای یک درجه صدا ، تن صدا و پاکت منحصر به فرد هستند. بر اساس ترکیبی از ارزیابی انسان و الگوریتم های ابتکاری ، هر یادداشت با سه اطلاعات اضافی حاشیه نویسی می شود: منبع ، خانواده و کیفیت ها.

  • صفحه اصلی : https://g.co/magenta/nsynth-dataset

  • کد منبع : tfds.audio.Nsynth

  • نسخه ها :

    • 2.3.0 : جدید loudness_db ویژگی در دسی بل (unormalized).
    • 2.3.1 : F0 با رفع نرمال سازی در CREPE محاسبه شده است.
    • 2.3.2 : از ویژگی صوتی استفاده کنید.
    • 2.3.3 (پیش فرض): F0 با اصلاح در نرمال سازی موج CREPE محاسبه می شود ( https://github.com/marl/crepe/issues/49 ).
  • ذخیره خودکار ( مستندات ): خیر

  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): None

  • نقل قول :

@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 (پیکربندی پیش فرض)

  • شرح پیکربندی : مجموعه داده های کامل NSynth به مجموعه های قطار ، معتبر و آزمایشی تقسیم شده است ، و هیچ ابزاری بین مجموعه قطار و مجموعه های معتبر / آزمون همپوشانی ندارد.

  • اندازه بارگیری : 73.07 GiB

  • اندازه مجموعه داده : 73.09 GiB

  • تقسیم :

شکاف مثال ها
'test' 4،096
'train' 289،205
'valid' 12678
  • ویژگی ها :
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),
})

nsynth / gansynth_subset

  • شرح پیکربندی : NSynth Dataset محدود به ابزارهای صوتی در فاصله گام MIDI است [24 ، 84]. از تقسیم های جایگزین استفاده می شود که در سازه ها (اما نه یادداشت های دقیق) بین مجموعه قطار و مجموعه های معتبر / آزمون همپوشانی دارند. این نسخه در اصل در مقاله ICLR 2019 GANSynth ( https://arxiv.org/abs/1902.08710 ) معرفی شد.

  • اندازه بارگیری : 73.08 GiB

  • اندازه مجموعه داده : 20.73 GiB

  • تقسیم :

شکاف مثال ها
'test' 8،518
'train' 60،788
'valid' 17،469
  • ویژگی ها :
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),
})

nsynth / gansynth_subset.f0_and_loudness

  • شرح پیکربندی : NSynth Dataset محدود به ابزارهای صوتی در فاصله گام MIDI است [24 ، 84]. از تقسیم های جایگزین استفاده می شود که در سازه ها (اما نه یادداشت های دقیق) بین مجموعه قطار و مجموعه های معتبر / آزمون همپوشانی دارند. این نسخه در اصل در مقاله ICLR 2019 GANSynth ( https://arxiv.org/abs/1902.08710 ) معرفی شد. این نسخه علاوه بر این شامل برآورد F0 با استفاده از CREPE (کیم و همکاران ، 2018) و صدای ادراکی وزن دار در دسی بل است. هر دو سیگنال با نرخ فریم 250 هرتز ارائه می شوند.

  • اندازه بارگیری : 73.08 GiB

  • اندازه مجموعه داده : 22.03 GiB

  • تقسیم :

شکاف مثال ها
'test' 8،518
'train' 60،788
'valid' 17،469
  • ویژگی ها :
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),
})