BriefGPT - AI 论文速递
·
学习空间感知的语言和音频嵌入
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
Spatial LibriSpeech是一个包含650小时音频和标签的数据集，通过对LibriSpeech样本进行处理生成。该数据集在四个空间音频任务上进行了模型训练并取得良好结果。
🎯
关键要点
-
Spatial LibriSpeech是一个包含超过650小时19通道音频的数据集。
-
该数据集包含一阶ambiSonics和可选分心噪声，旨在用于机器学习模型训练。
-
Spatial LibriSpeech提供源位置、说话方向、房间声学和几何标签。
-
数据集通过增加LibriSpeech样本与200k+模拟声学条件生成。
-
在四个空间音频任务中进行模型训练，3D源定位的中值绝对误差为6.60°。
-
模型在广泛使用的评估数据集上表现良好，例如在TUT声事件2018中的中值绝对误差为12.43°。
➡️
