AudioCaps 音频字幕数据集
音视频
0 下载
39 浏览
2026-09-01
数据集简介
AudioCaps 是一个带有事件描述的声音数据集,它是为音频字幕任务引入的。该数据集的声音来自 AudioSet 数据集,AudioSet 是 Google 发布的大规模音频事件数据集,涵盖多种日常声音类别。AudioCaps 在此基础上,为每个音频片段提供了对应的事件描述文本,形成“音频-文本”配对,用于训练模型自动生成音频内容的自然语言描述。
数据内容与注释
AudioCaps 为注释者提供了音轨和类别提示,如果需要,还提供额外的视频提示。这意味着注释者在生成描述时,不仅依赖音频本身,还可以参考声音所属的类别标签,甚至原始视频信息,从而更准确地描述音频中发生的事件。这种多模态提示机制有助于提高字幕描述的准确性和丰富性。
数据来源与获取
本条目所依据的信息来自 OpenDataLab 平台上的 AudioCaps 页面。OpenDataLab 是一个提供公开数据集索引和访问的平台,用户可以通过该页面了解数据集的基本信息并获取数据。具体的下载方式与文件格式,建议直接访问 OpenDataLab 页面查看最新指引。
基本信息
记录数量未知
文件大小未知
文件格式未知
数据来源OpenDataLab
数据落地页https://opendatalab.com/OpenDataLab/AudioCaps
发布日期2026-09-01
音频字幕声音事件描述AudioSet音频理解自然语言处理
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载