AudioSet-R：基于多阶段 LLM 标签重新标注的精炼版 AudioSet
声音
2025-08-25 v1
摘要
AudioSet 是音频研究领域中广泛使用的基准数据集，已显著推动了各种音频相关任务的发展。然而，标签准确性和完整性仍存若干问题，成为下游应用性能的关键瓶颈。为此，我们提出了一个三阶段重新标注框架，利用通用音频语言基础模型系统性地提高 AudioSet 的标签质量。该框架采用跨模态提示策略，灵感来源于提示链（prompt chaining）概念，即顺序组合提示以执行子任务（音频理解、标签综合和语义对齐）。借助该框架，我们构建了一个高质量、结构化的 AudioSet 重新标注版本（AudioSet-R）。对代表性音频分类模型（包括 AST、PANNs、SSAST 和 AudioMAE）进行的大量实验一致显示，显著提升了性能，验证了该方法在提升标签可靠性方面的通用性和有效性。代码已公开：https://github.com/colaudiolab/AudioSet-R。
引用
@article{arxiv.2508.15429,
title = {AudioSet-R: A Refined AudioSet with Multi-Stage LLM Label Reannotation},
author = {Yulin Sun and Qisheng Xu and Yi Su and Qian Zhu and Yong Dou and Xinwang Liu and Kele Xu},
journal= {arXiv preprint arXiv:2508.15429},
year = {2025}
}
备注
8 pages, 5 figures, accepted in ACM MM 2025 dataset track