WSJ0 Hipster环境混合（WHAM！）数据集将WSJ0-2mix数据集中的每两种扬声器混合与独特的噪声背景场景配对。我们还创建了WHAMR！，除了背景噪声之外，将人工混响添加到语音信号的扩展。
2018年末，在旧金山湾区的各个城市地点收集了噪音音频。环境主要包括餐馆、咖啡馆、酒吧和公园。音频是使用Apogee Sennheiser双耳麦克风在距离地面1.0至1.5米的三脚架上录制的。
这里提供了一组噪声样本，称为“WHAM！噪声数据集”，以及构建WHAM！还有WHAMR！来自噪声数据和WSJ0数据集的数据集。我们还提供了“WHAM！48kHz噪声数据集”，由原始采样率的噪声记录组成，而不将剪辑分割到WSJ0剪辑的持续时间。两个WHAM！噪声数据集和WHAM！48kHz噪声数据集已被处理以去除包含可理解语音的任何片段。因为WHAM！48kHz噪声数据集尚未进一步分割到WSJ0剪辑的持续时间，它具有广泛的剪辑持续时间分布。

Dataset Structure

The WHAM! noise dataset is split into training, validation, and test sets following the        wsj0-2mix dataset.

The clips are in 32-bit floating point WAV format with 2 channels and a sampling rate of 16 kHz.        The average clip duration is 10 seconds with the shortest clip being 3.5 seconds and the longest        47.7 seconds.

Citation

WHAM! is a joint effort between Mitsubishi Electronics Research Laboratories (MERL) and Whisper.  If you use WHAM! or WHAM!48kHz please cite our paper            describing the dataset:

@inproceedings{Wichern2019WHAM,
    title     = {WHAM!: Extending Speech Separation to Noisy Environments},
    author    = {Wichern, Gordon and Antognini, Joe and Flynn, Michael and Zhu,
                 Licheng Richard and McQuinn, Emmett and Crow,
                 Dwight and Manilow, Ethan and Le Roux, Jonathan},
    booktitle = {Proc. Interspeech},
    year      = {2019},
    month     = sep
}

If you use WHAMR! please citeour paper describing the dataset:

@inproceedings{Maciejewski2020WHAMR,
    title     = {WHAMR!: Noisy and Reverberant Single-Channel Speech Separation},
    author    = {Maciejewski, Matthew and Wichern, Gordon and Le Roux, Jonathan},
    booktitle = {Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
    year      = {2020},
    month     = may
}