环境声学印象描述数据集的构建与分析
声音
2024-10-22 v1 音频与语音处理
摘要
已发布的一些包含声音发生顺序与内容描述的数据集用于环境声与文本之间的转换。然而，极少有文本包含人们听到环境声时所感受印象的信息，如“尖锐”“迷人”等。本研究构建了一个包含环境声印象描述的数据集，描述人们在听到这些声音时所感受的印象。我们使用ChatGPT生成印象描述，并通过人类选取最合适的描述。该数据集包含3600条环境声印象描述。为评估印象描述的恰当性，我们进行了主观与客观评估。我们的评估结果表明，可以生成恰当的环境声印象描述。
引用
@article{arxiv.2410.15532,
title = {Construction and Analysis of Impression Caption Dataset for Environmental Sounds},
author = {Yuki Okamoto and Ryotaro Nagase and Minami Okamoto and Yuki Saito and Keisuke Imoto and Takahiro Fukumori and Yoichi Yamashita},
journal= {arXiv preprint arXiv:2410.15532},
year = {2024}
}