电吉他语义音色数据集

理解和操作音色是音频合成的核心任务，但在机器学习中由于缺乏将感知音色维度与语义描述符链接的注释数据集而未得到充分探索。我们提出 Semantic Timbre Dataset，一个精选的单音电吉他声音集合，每个声音都用一种或多种 19 种语义音色描述符及其对应幅度标记。这些描述符源自对物理和虚拟吉他效果单元的定性分析，并系统应用于干净吉他音调。该数据集桥接了感知音色和机器学习表示，支持音色控制和语义音频生成的学习。我们通过在其潜在空间上训练变分自编码器(VAE)并使用人类感知判断和描述符分类器进行评估来验证该数据集。结果表明，VAE 捕获了音色结构并实现了跨描述符的平滑插值。我们公开数据集、代码和评估协议以支持音色感知生成 AI 研究。