音频集下载器

音频集下载器

该存储库提供了一个从 AudioSet（带注释的音频事件的大型数据集）下载强标签音频剪辑的工具。该工具可用于为机器学习任务构建自定义强标签音频数据集。

特征

• 根据特定标签从AudioSet高效下载音频文件。

• 支持多个并行下载以加快进程。

• 灵活选择每个标签下载的音频文件数量。

• 方便的日志系统可以跟踪下载过程。

• 下载过程的配置可以通过config.yaml文件完成。

要求

• 蟒蛇3

• ffmpeg

• youtube-dl

用法

1. 克隆此存储库：

 git 克隆 https://github.com/your-username/audioset-downloader.git

2. 安装依赖项：

 pip install -r 要求.txt

3. 运行input_label.py脚本生成标签字典：

 python 输入标签.py

4. 打开 config.yaml 文件并粘贴上一步中生成的标签字典。根据需要修改文件中的其他字段。

5. 运行 main.py 脚本下载音频剪辑：将音频文件下载到当前目录中的文件夹output/dataset 。

蟒蛇主.py

默认使用core/中的 CSV 文件。在自己的目录中执行main.py

配置

该工具的配置在 config.yaml 文件中指定。以下字段可用：

• labels ：要下载的标签列表。

• labels_id_dict ：将标签映射到 AudioSet ID 的字典。

• csv_dataset ：CSV 数据集的路径。

• workspace ：工作空间目录。

• destination_dir ：下载的音频文件的目标目录。

• fs ：采样频率。

• eval_rate ：评估率。

• num_threads ：下载时使用的线程数。

为什么需要 AudioSet 下载器

确切地说，这就是为什么需要 AudioSet 下载器的原因。 AudioSet 提供的 CSV 文件仅包含有关 YouTube-ID 和关联标签的信息，而不包含实际的音频数据。另一方面，TFRecord 文件包含特征向量，但不包含某些机器学习任务所需的原始音频信号。

通过使用下载器，用户可以下载原始格式的音频数据并用它来训练模型。该工具可以帮助节省时间和精力，因为用户不必从 YouTube 手动搜索和下载每个单独的音频剪辑。用户还可以使用该工具根据标签过滤音频剪辑，从而构建适合其特定需求的自定义强标签数据集。

音频集

AudioSet 可以从 Google 此处下载为一组 CSV 文件。对于数据集中的每个元素，CSV 文件列出了关联的 YouTube ID、开始时间、结束时间和类别标签。 CSV 文件用于将 AudioSet 下载为原始音频文件 (WAV)。

免责声明

该存储库仅用于教育和研究目的。使用本工具时请遵守AudioSet的使用条款和许可协议。