SoundBubble-EEG
SoundBubble-EEG是香港理工大学构建的高密度EEG数据集，含30人128通道、超25小时记录，面向自然多人交谈场景的听觉注意解码。
基本信息
资源简介
SoundBubble-EEG
【数据集背景】
本数据集源站标题为《arXiv Query: search_query=&id_list=2610.09539&start=0&max_results=1》。源站首次发布：2026-10-07。
【数据内容】
源站原始描述：Understanding how the brain selectively follows relevant speech amid competing voices is a central challenge in auditory neuroscience and a key step toward neuro-steered hearing technologies. However, most open-source Electroencephalography (EEG) datasets for Auditory Attention Decoding (AAD) use idealized single-competing-talker paradigms that oversimplify the acoustic, spatial, and semantic structure of everyday communication. To capture this ecological complexity, we introduce the SoundBubble…
中文译文（机器翻译，仅供快速理解，请以原文为准）：理解大脑如何在竞争性声音中选择性地跟随相关语音，是听觉神经科学的核心挑战，也是迈向神经引导听力技术的关键一步。然而，大多数用于听觉注意解码（AAD）的开源脑电图（EEG）数据集都采用理想化的单一竞争说话者范式，过度简化了日常交流的声学、空间和语义结构。为捕捉这种生态复杂性，我们推出了 SoundBubble-EEG 数据集：一个高密度128通道EEG资源，包含来自30名参与者、总时长超过25小时的记录。该范式要求听者在三个现实场景——餐厅、家庭电视观看和会议讨论——中，选择性地注意一个动态目标说话者群体，即指定的“声音气泡”，同时面对竞争性的多说话者干扰气泡。通过弥合受控实验室协议与现实听觉场景之间的差距，该数据集使多说话者语音理解、神经语音追踪和跨场景泛化的研究成为可能。它还为现实声学和语义变异性下的AAD算法提供了基准，并可能支持听觉神经科学以及神经引导听力技术的发展。
【主题与分类】
主题标签：cs.SD。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://arxiv.org/abs/2610.09539
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集说明
本数据集 对应论文数据集（arXiv 预印本）。
数据获取指引
- 打开论文页面获取作者与项目信息：https://arxiv.org/abs/2610.09539
- 论文 Data Availability / Code Availability 章节标注了数据实际托管位置；
- 获取到实际数据链接后，按对应平台标准方式下载。
论文摘要：Abstract:Understanding how the brain selectively follows relevant speech amid competing voices is a central challenge in auditory neuroscience and a key step toward neuro-steered hearing technologies. However, most open-source Electroencephalography (EEG) datasets for Auditory Attention Decoding (AAD) use idealized single-competing-talker paradigms that oversimplify the acoustic, spatial, and semantic structure of everyday communication. To capture this ecological complexity, we introduce the SoundBubble-EEG dataset: a high-density 128-channel EEG resource comprising more than 25 hours of recordings from 30 participants. The paradigm requires listeners to selectively attend to a dynamic target speaker group, a designated "sound bubble", amid competing multi-speaker distractor bubbles across three realistic scenarios: a restaurant, a home TV viewing, and a meeting discussion. By bridging the gap between constrained laboratory protocols and real-world auditory scenes, this dataset enables investigations of multi-talker speech comprehension, neural speech tracking, and cross-scenario generalization. It also provides a benchmark for AAD algorithms under realistic acoustic and semantic variability and may support auditory neuroscience and the development of neuro-steered hearing technologies.
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
