Audio Dialogues是英伟达构建的一个多轮对话数据集，旨在提升音频和音乐理解能力。数据集包含163.8K个样本，涵盖通用声音和音乐，除了对话外，该数据集还包括问题-答案对，以理解和比较多个输入音频。该数据集通过基于提示的方法和大型语言模型生成，研究人员首先从AudioSet和MusicCaps这两个数据集中获取音频的注释，然后使用GPT-4模型根据这些注释生成多轮对话。Audio Dialogues的推出，为音频理解领域的研究提供了宝贵的资源，可用于训练和评估音频增强的大型语言模型。
详情请参见五号雷达：https://www.5radar.com/result?key=Audio+Dialogues
_1769672084863.jpg)