第二届 Cadenza 歌词可懂度预测（CLIP2）数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.23189482

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 16.67 GB。

数据说明

CLIP2是一个用于音乐歌词可懂度预测的数据集。它被用于第二届Cadenza歌词可懂度预测挑战赛。理解音乐中的歌词是享受音乐的关键[1]。然而，听力损失者可能难以清晰且轻松地听清歌词[2]。在语音技术领域，拥有自动评估可懂度的指标推动了语音增强技术的进步。我们希望也能对有歌词的音乐做同样的事情！挑战赛的详细描述可在我们的网站上找到。文件概览：cadenza_clip2_data.train.v1.0.tar.gz：包含训练音频和元数据的包；cadenza_clip2_data.valid.v1.0.tar.gz：包含验证音频数据和元数据的包；cadenza_clip2_data.eval.v1.0.tar.gz：包含评估音频数据和元数据的包；CHANGELOG.md：数据变更历史记录；README.md：说明文件。许可：本数据集在CPC-4许可（Creative Production Commons 4.0）下共享。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。