斯坦福大学发布SCENEBench数据集,应用在音频理解、语音识别领域

斯坦福大学本次发布的数据集SCENEBench,SCENEBench是由斯坦福大学与康奈尔理工大学联合开发的音频理解基准数据集，包含16,000条合成音频样本，涵盖背景音理解、噪声定位、跨语言语音识别和声音特征分类四大任务。数据集通过叠加ESC-50环境音与DailyTalk语音构建，并引入多语言翻译片段及非语音发声样本，旨在解决辅助技术与工业监测中复杂场景下的音频理解瓶颈。其合成数据经20条自然音频样本验证生态效度，为评估大音频语言模型（LALMs）在非语音成分识别、空间感知等维度提供标准化测试框架。

查看SCENEBench

关于斯坦福大学,斯坦福大学（Stanford University）是一所位于美国加利福尼亚州斯坦福的私立研究型大学，成立于1885年，以其在科技创新和创业精神方面的卓越表现而闻名。

关于arXiv,全球最大的预印本学术论文数据库，涵盖物理、数学、计算机科学等多个学科领域。