एमएल समुदाय दिवस 9 नवंबर है! TensorFlow, JAX से नई जानकारी के लिए हमसे जुड़ें, और अधिक जानें

एनएससिंथो

  • विवरण:

NSynth डेटासेट एक ऑडियो डेटासेट है जिसमें ~ 300k संगीत नोट्स होते हैं, प्रत्येक में एक अद्वितीय पिच, समय और लिफाफा होता है। प्रत्येक नोट को मानव मूल्यांकन और अनुमानी एल्गोरिदम के संयोजन के आधार पर तीन अतिरिक्त जानकारी के साथ एनोटेट किया गया है: स्रोत, परिवार और गुण।

  • होमपेज: https://g.co/magenta/nsynth-dataset

  • स्रोत कोड: tfds.audio.Nsynth

  • संस्करण:

    • 2.3.0 : नई loudness_db डेसीबल में सुविधा (unormalized)।
    • 2.3.1 : F0 क्रेप में सामान्य ठीक से गणना की।
    • 2.3.2 : ऑडियो उपयोग सुविधा।
    • 2.3.3 (डिफ़ॉल्ट): F0 क्रेप लहर सामान्य में ठीक से गणना की ( https://github.com/marl/crepe/issues/49 )।
  • ऑटो-कैश ( प्रलेखन ): नहीं

  • पर्यवेक्षित कुंजियों (देखें as_supervised डॉक ): None

  • चित्रा ( tfds.show_examples ): समर्थित नहीं।

  • प्रशस्ति पत्र:

@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/पूर्ण (डिफ़ॉल्ट कॉन्फ़िगरेशन)

  • कॉन्फ़िग विवरण: पूर्ण NSynth डेटासेट ट्रेन, वैध, और परीक्षण सेट में विभाजित, ट्रेन सेट और वैध / परीक्षण सेट के बीच अतिव्यापी नहीं उपकरणों के साथ है।

  • डाउनलोड का आकार: 73.07 GiB

  • डेटासेट का आकार: 73.09 GiB

  • विभाजन:

विभाजित करना उदाहरण
'test' 4,096
'train' २८९,२०५
'valid' १२,६७८
  • विशेषताएं:
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

  • कॉन्फ़िग विवरण: NSynth डेटासेट मिडी पिच अंतराल [24, 84] में ध्वनिक उपकरणों के लिए सीमित। वैकल्पिक विभाजन का उपयोग करता है जिसमें ट्रेन सेट और वैध/परीक्षण सेट के बीच उपकरणों में ओवरलैप होता है (लेकिन सटीक नोट नहीं)। इस प्रकार मूल रूप से ICLR 2019 GANSynth कागज (में पेश किया गया था https://arxiv.org/abs/1902.08710 )।

  • डाउनलोड का आकार: 73.08 GiB

  • डेटासेट का आकार: 20.73 GiB

  • विभाजन:

विभाजित करना उदाहरण
'test' 8,518
'train' 60,788
'valid' १७,४६९
  • विशेषताएं:
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

  • कॉन्फ़िग विवरण: NSynth डेटासेट मिडी पिच अंतराल [24, 84] में ध्वनिक उपकरणों के लिए सीमित। वैकल्पिक विभाजन का उपयोग करता है जिसमें ट्रेन सेट और वैध/परीक्षण सेट के बीच उपकरणों में ओवरलैप होता है (लेकिन सटीक नोट नहीं)। इस प्रकार मूल रूप से ICLR 2019 GANSynth कागज (में पेश किया गया था https://arxiv.org/abs/1902.08710 )। इस संस्करण में अतिरिक्त रूप से CREPE (किम एट अल।, 2018) का उपयोग करते हुए F0 के अनुमान और डेसीबल में ए-भारित अवधारणात्मक जोर शामिल हैं। दोनों सिग्नल 250Hz के फ्रेम रेट पर दिए गए हैं।

  • डाउनलोड का आकार: 73.08 GiB

  • डेटासेट का आकार: 22.03 GiB

  • विभाजन:

विभाजित करना उदाहरण
'test' 8,518
'train' 60,788
'valid' १७,४६९
  • विशेषताएं:
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),
})