nsynth

  • Descrição :

O conjunto de dados NSynth é um conjunto de dados de áudio contendo aproximadamente 300 mil notas musicais, cada uma com um tom, timbre e envelope únicos. Cada nota é anotada com três informações adicionais baseadas em uma combinação de avaliação humana e algoritmos heurísticos: Fonte, Família e Qualidades.

@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 (configuração padrão)

  • Descrição da configuração : O conjunto de dados NSynth completo é dividido em conjuntos de treinamento, válidos e de teste, sem sobreposição de instrumentos entre o conjunto de treinamento e os conjuntos válidos/de teste.

  • Tamanho do download : 73.07 GiB

  • Tamanho do conjunto de dados : 73.09 GiB

  • Divisões :

Dividir Exemplos
'test' 4.096
'train' 289.205
'valid' 12.678
  • Estrutura de recursos :
FeaturesDict({
    'audio': Audio(shape=(64000,), dtype=float32),
    'id': string,
    'instrument': FeaturesDict({
        'family': ClassLabel(shape=(), dtype=int64, num_classes=11),
        'label': ClassLabel(shape=(), dtype=int64, num_classes=1006),
        'source': ClassLabel(shape=(), dtype=int64, num_classes=3),
    }),
    'pitch': ClassLabel(shape=(), dtype=int64, num_classes=128),
    'qualities': FeaturesDict({
        'bright': bool,
        'dark': bool,
        'distortion': bool,
        'fast_decay': bool,
        'long_release': bool,
        'multiphonic': bool,
        'nonlinear_env': bool,
        'percussive': bool,
        'reverb': bool,
        'tempo-synced': bool,
    }),
    'velocity': ClassLabel(shape=(), dtype=int64, num_classes=128),
})
  • Documentação do recurso:
Recurso Aula Forma Tipo D Descrição
RecursosDict
áudio áudio (64000,) float32
eu ia tensor corda
instrumento RecursosDict
instrumento/família ClassLabel int64
instrumento/rótulo ClassLabel int64
instrumento/fonte ClassLabel int64
tom ClassLabel int64
qualidades RecursosDict
qualidades/brilhante tensor bool
qualidades/escuro tensor bool
qualidades/distorção tensor bool
qualidades/fast_decay tensor bool
qualidades/long_release tensor bool
qualidades/multifônico tensor bool
qualidades/nonlinear_env tensor bool
qualidades/percussão tensor bool
qualidades/reverb tensor bool
qualidades/tempo sincronizado tensor bool
velocidade ClassLabel int64

nsynth/gansynth_subset

  • Descrição da configuração : Conjunto de dados NSynth limitado a instrumentos acústicos no intervalo de afinação MIDI [24, 84]. Usa divisões alternativas que se sobrepõem nos instrumentos (mas não nas notas exatas) entre o conjunto de treinamento e os conjuntos válidos/de teste. Esta variante foi originalmente introduzida no artigo ICLR 2019 GANSynth ( https://arxiv.org/abs/1902.08710 ).

  • Tamanho do download : 73.08 GiB

  • Tamanho do conjunto de dados : 20.73 GiB

  • Divisões :

Dividir Exemplos
'test' 8.518
'train' 60.788
'valid' 17.469
  • Estrutura de recursos :
FeaturesDict({
    'audio': Audio(shape=(64000,), dtype=float32),
    'id': string,
    'instrument': FeaturesDict({
        'family': ClassLabel(shape=(), dtype=int64, num_classes=11),
        'label': ClassLabel(shape=(), dtype=int64, num_classes=1006),
        'source': ClassLabel(shape=(), dtype=int64, num_classes=3),
    }),
    'pitch': ClassLabel(shape=(), dtype=int64, num_classes=128),
    'qualities': FeaturesDict({
        'bright': bool,
        'dark': bool,
        'distortion': bool,
        'fast_decay': bool,
        'long_release': bool,
        'multiphonic': bool,
        'nonlinear_env': bool,
        'percussive': bool,
        'reverb': bool,
        'tempo-synced': bool,
    }),
    'velocity': ClassLabel(shape=(), dtype=int64, num_classes=128),
})
  • Documentação do recurso:
Recurso Aula Forma Tipo D Descrição
RecursosDict
áudio áudio (64000,) float32
eu ia tensor corda
instrumento RecursosDict
instrumento/família ClassLabel int64
instrumento/rótulo ClassLabel int64
instrumento/fonte ClassLabel int64
tom ClassLabel int64
qualidades RecursosDict
qualidades/brilhante tensor bool
qualidades/escuro tensor bool
qualidades/distorção tensor bool
qualidades/fast_decay tensor bool
qualidades/long_release tensor bool
qualidades/multifônico tensor bool
qualidades/nonlinear_env tensor bool
qualidades/percussão tensor bool
qualidades/reverb tensor bool
qualidades/tempo sincronizado tensor bool
velocidade ClassLabel int64

nsynth/gansynth_subset.f0_and_loudness

  • Descrição da configuração : Conjunto de dados NSynth limitado a instrumentos acústicos no intervalo de afinação MIDI [24, 84]. Usa divisões alternativas que se sobrepõem nos instrumentos (mas não nas notas exatas) entre o conjunto de treinamento e os conjuntos válidos/de teste. Esta variante foi originalmente introduzida no artigo ICLR 2019 GANSynth ( https://arxiv.org/abs/1902.08710 ). Esta versão também contém estimativas para F0 usando CREPE (Kim et al., 2018) e volume perceptual ponderado A em decibéis. Ambos os sinais são fornecidos a uma taxa de quadros de 250 Hz.

  • Tamanho do download : 73.08 GiB

  • Tamanho do conjunto de dados : 22.03 GiB

  • Divisões :

Dividir Exemplos
'test' 8.518
'train' 60.788
'valid' 17.469
  • Estrutura de recursos :
FeaturesDict({
    'audio': Audio(shape=(64000,), dtype=float32),
    'f0': FeaturesDict({
        'confidence': Tensor(shape=(1000,), dtype=float32),
        'hz': Tensor(shape=(1000,), dtype=float32),
        'midi': Tensor(shape=(1000,), dtype=float32),
    }),
    'id': string,
    'instrument': FeaturesDict({
        'family': ClassLabel(shape=(), dtype=int64, num_classes=11),
        'label': ClassLabel(shape=(), dtype=int64, num_classes=1006),
        'source': ClassLabel(shape=(), dtype=int64, num_classes=3),
    }),
    'loudness': FeaturesDict({
        'db': Tensor(shape=(1000,), dtype=float32),
    }),
    'pitch': ClassLabel(shape=(), dtype=int64, num_classes=128),
    'qualities': FeaturesDict({
        'bright': bool,
        'dark': bool,
        'distortion': bool,
        'fast_decay': bool,
        'long_release': bool,
        'multiphonic': bool,
        'nonlinear_env': bool,
        'percussive': bool,
        'reverb': bool,
        'tempo-synced': bool,
    }),
    'velocity': ClassLabel(shape=(), dtype=int64, num_classes=128),
})
  • Documentação do recurso:
Recurso Aula Forma Tipo D Descrição
RecursosDict
áudio áudio (64000,) float32
f0 RecursosDict
f0/confiança tensor (1000,) float32
f0/hz tensor (1000,) float32
f0/midi tensor (1000,) float32
eu ia tensor corda
instrumento RecursosDict
instrumento/família ClassLabel int64
instrumento/rótulo ClassLabel int64
instrumento/fonte ClassLabel int64
sonoridade RecursosDict
volume/db tensor (1000,) float32
tom ClassLabel int64
qualidades RecursosDict
qualidades/brilhante tensor bool
qualidades/escuro tensor bool
qualidades/distorção tensor bool
qualidades/fast_decay tensor bool
qualidades/long_release tensor bool
qualidades/multifônico tensor bool
qualidades/nonlinear_env tensor bool
qualidades/percussão tensor bool
qualidades/reverb tensor bool
qualidades/tempo sincronizado tensor bool
velocidade ClassLabel int64