nsynth

• 説明:

NSynth データセットは、それぞれが固有のピッチ、音色、およびエンベロープを持つ約 300,000 の音符を含むオーディオ データセットです。各メモには、人間による評価とヒューリスティック アルゴリズムの組み合わせに基づいて、ソース、ファミリー、品質の 3 つの追加情報が注釈として付けられます。

• 追加のドキュメント:コードnorth_eastを使用したペーパーの探索

• ホームページ: https://g.co/magenta/nsynth-dataset

• ソース コード: tfds.datasets.nsynth.Builder

• バージョン:

  • 2.3.0 : デシベル単位の新しいloudness_db機能 (非正規化)。
  • 2.3.1 : CREPE の正規化修正で計算された F0。
  • 2.3.2 : オーディオ機能を使用します。
  • 2.3.3 (デフォルト): CREPE 波動正規化 ( https://github.com/marl/crepe/issues/49 ) で修正して計算された F0。

• 自動キャッシュ(ドキュメント): いいえ

• 監視されたキー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@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 (デフォルト設定)

• 構成の説明: 完全な NSynth データセットは、トレーニング、有効、およびテスト セットに分割され、トレーニング セットと有効/テスト セット間で機器が重複することはありません。

• ダウンロードサイズ: 73.07 GiB

• データセットサイズ: 73.09 GiB

• スプリット:

• 機能構造:

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),
})

• 機能のドキュメント:

• 例( tfds.as_dataframe ):

nsynth/gansynth_subset

• 構成の説明: MIDI ピッチ間隔 [24, 84] のアコースティック楽器に限定された NSynth データセット。トレーニング セットと有効/テスト セットの間でインストゥルメントが重複する (ただし正確な音符ではない) 代替分割を使用します。このバリアントは、もともと ICLR 2019 GANSynth ペーパー ( https://arxiv.org/abs/1902.08710 ) で導入されました。

• ダウンロードサイズ: 73.08 GiB

• データセットサイズ: 20.73 GiB

• スプリット:

• 機能構造:

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),
})

• 機能のドキュメント:

• 例( tfds.as_dataframe ):

nsynth/gansynth_subset.f0_and_loudness

• 構成の説明: MIDI ピッチ間隔 [24, 84] のアコースティック楽器に限定された NSynth データセット。トレーニング セットと有効/テスト セットの間でインストゥルメントが重複する (ただし正確な音符ではない) 代替分割を使用します。このバリアントは、もともと ICLR 2019 GANSynth ペーパー ( https://arxiv.org/abs/1902.08710 ) で導入されました。このバージョンには、CREPE (Kim et al., 2018) を使用した F0 の推定値と、デシベル単位の A 加重知覚ラウドネスも含まれています。両方の信号は、250Hz のフレーム レートで提供されます。

• ダウンロードサイズ: 73.08 GiB

• データセットサイズ: 22.03 GiB

• スプリット:

• 機能構造:

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),
})

• 機能のドキュメント:

• 例( tfds.as_dataframe ):