GWA:用于音频处理的大型高质量声学数据集
声音
2022-06-22 v3 音频与语音处理
摘要
我们提出几何-波声学(GWA)数据集,一个约 200 万条合成房间脉冲响应(IRs)及其对应详细几何与仿真配置的大规模音频数据集。我们的数据集从超过 6.8K 个以语义标注 3D 网格表示的高质量多样且专业设计的房屋中采样声学环境。我们还提出一种基于语义匹配的 novel 真实世界声学材料分配方案,使用句子 transformer 模型。我们通过用有限差分时域波动求解器自动校准几何声学射线追踪,计算对应于精确低频与高频波动效应的高质量脉冲响应。我们通过与复杂真实世界环境录制的 IRs 比较,展示了我们 IRs 的更高精度。此外,我们凸显了 GWA 在自动语音识别、语音增强与语音分离等音频深度学习任务上的益处。该数据集是首个在复杂场景中具有精确波动声学仿真的数据。代码与数据见 https://gamma.umd.edu/pro/sound/gwa。
引用
@article{arxiv.2204.01787,
title = {GWA: A Large High-Quality Acoustic Dataset for Audio Processing},
author = {Zhenyu Tang and Rohith Aralikatti and Anton Ratnarajah and Dinesh Manocha},
journal= {arXiv preprint arXiv:2204.01787},
year = {2022}
}