Home

Awesome

Multi-lingual AudioCaps: generating multi-lingual captions for audios in the wild

The AudioCaps contains a dataset of audio and English captions. We extended this to multi linguality; the parallel sentences that is mapped to unique sounds.

AudioCaps は,音イベントと英語のキャプションから成るデータセットです.我々はこのデータを多言語に拡張し,1つの音を表す複数言語のデータセットを作成しました.

Supported language / 対応言語

Audio data / 環境音データ

Formatted as 256kbps MP3, 1ch, 48kHz. Since some videos of data source were deleted, the number of audio files does not match that of text captions.

Example / 文例

AudioCapIDLanguageCaption
53262enA motorbike revs and a dark barks
53262ja (manual)オートバイの回転音、犬が吠える声
53262ja (auto)モーターバイクがエンジンを回し、獣のように暗闇がほえる。

Contributors / 貢献者

Paper / 論文

(TBA)

Acknowledgement / 謝辞

This work is supported by the following supports.