数据集概述
本数据集为MAVC100音乐视听语料库，包含一百分钟音乐视听内容及帧级标注。标注分为音频标签与视听标签两类，前者覆盖音频流中所有语音、歌唱等事件，后者仅标记目标说话人的语音与歌唱。数据支持音乐场景下的语音活动检测研究。
文件详解
- 文件名称：Open_dataset_MAVC100.zip
- 文件格式：ZIP
- 内容说明：压缩包包含MAVC100语料库的原始视频文件、对应帧级音频标签及帧级视听标签。标签通过标记事件起止时间实现，涵盖Silence、Speech、Singing、Others四类事件，不同类别以数字区分。
数据来源
论文“Rule-Embedded Network for Audio-Visual Voice Activity Detection in Live Musical Video Streams”
适用场景
- 音乐场景语音活动检测模型训练: 利用帧级标注数据训练区分目标说话人与背景语音的检测模型。
- 多模态视听融合研究: 对比音频标签与视听标签差异，探索视听信息融合提升检测精度的方法。
- 音乐内容分析: 识别音乐视频中目标说话人的语音、歌唱时段，支持音乐内容结构化解析。
- 语音事件分类研究: 基于四类事件标注，开展音乐环境下语音事件分类算法的开发与验证。
