GTZAN数据集是一个非常流行的音乐数据集,包含10个音乐流派,每个流派有100首30秒的音频片段。
获取方式:
MSD是一个包含100万首歌的元数据和音频特征的数据集。虽然它不包含实际的音频文件,但可以与其他数据集结合使用。
获取方式:
VoxCeleb是一个包含大量名人语音和歌声的数据集,适用于语音识别和歌声识别任务。
获取方式:
FMA数据集是一个开源的音乐数据集,包含各种流派的音频文件和元数据。
获取方式:
Jamendo数据集包含来自Jamendo平台的音乐片段,用于音乐信息检索和推荐系统研究。
获取方式:
MusDB18是一个用于音乐源分离的数据集,包含150首多轨音乐文件。
获取方式:
下面是一个使用Python和LibROSA库加载和处理音频数据的示例:
import librosa
import numpy as np
# 加载音频文件
audio_path = 'path/to/your/audio/file.wav'
y, sr = librosa.load(audio_path, sr=None)
# 提取音频特征,例如梅尔频谱图
mel_spectrogram = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128)
mel_spectrogram_db = librosa.power_to_db(mel_spectrogram, ref=np.max)
# 显示梅尔频谱图
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 4))
librosa.display.specshow(mel_spectrogram_db, sr=sr, x_axis='time', y_axis='mel')
plt.colorbar(format='%+2.0f dB')
plt.title('Mel Spectrogram')
plt.tight_layout()
plt.show()
通过这些数据集和工具,你可以开展歌声识别、音乐分类、音乐生成等多种研究和应用。