LAION eV发布voiceclap-data数据集，应用在音频分类、密集字幕生成领域

LAION eV本次发布的数据集voiceclap-data，VoiceCLAP 数据集是一个用于训练音频和密集字幕混合模型的数据集，支持音频分类和特征提取任务。数据集包含多个子集，如 Emolia、LAIONs Got Talent、Majestrino 等，每个子集都有不同的来源和特点。数据以 WebDataset 格式存储，每个样本包含一个 48 kHz 单声道音频文件（.flac）和一个 JSON 文件（包含字幕和元数据）。字幕和属性注释由音频感知的 LLM 自动生成，包括情感、音色、韵律等标签。数据集规模在 1B 到 10B 之间，适用于多语言和语音相关的研究。使用该数据集时需注意伦理问题，避免用于可能重新识别、分析或监视说话者的任务。数据集采用 CC-BY-4.0 许可证，部分子集可能继承上游来源的许可条款。

查看voiceclap-data

Dataset card内容：

Files and versions内容：