retrina0678/miimo-audio-dataset

Edge Audio Dataset

출처 및 라이선스

이 데이터셋은 여러 출처를 합친 것이고, 출처마다 라이선스가 다르다. 단일 라이선스로 배포되지 않으므로 사용 전 아래를 각각 확인해야 한다.

⚠️ AI Hub 데이터 관련 고지

S-2110xx_*, S-2111xx_* 형식의 파일은 AI Hub 제공 데이터에서 유래한다. AI Hub 이용약관은 일반적으로 제3자 재배포를 제한한다. 이 repo에는 해당 원본(raw/)과 파생 클립(clips_2s/)이 모두 포함되어 있다.

• —이 데이터를 사용하려면 AI Hub에서 직접 원본을 내려받고 해당 약관에 동의하는 것이 안전하다.
• —권리자의 요청이 있으면 해당 파일을 즉시 내린다. Discussions 탭이나 repo 소유자에게 연락 바란다.
• —폴더명이 영어로 바뀌었을 뿐 원본 데이터의 권리관계는 그대로다.

비상업 조건

ESC-50이 CC BY-NC이므로, 이 데이터셋을 통째로 쓴 결과물은 상업적 이용이 불가하다. 상업적 용도라면 ESC-50 유래 클립 (baby_cry/**/ESC50_*)을 제외해야 한다.

인용

ESC-50: K. J. Piczak. "ESC: Dataset for Environmental Sound Classification."
Proceedings of the 23rd ACM International Conference on Multimedia, 2015.

함께 볼 문서 - `스크립트_안내.md` — 각 스크립트·CSV 가 무엇이고 언제 돌리는지 - `CHANGELOG.md` — 2026-07-19 재정비에서 무엇이 왜 바뀌었는지, 남은 문제 - `데이터 추가 안내0716김예원.txt` — 0716 데이터 추가 원본 안내

음향 이벤트 분류 학습용 데이터셋. 라벨별로 원본(`raw/`) 과 2초 전처리·증강 클립(`clips_2s/`) 을 한 폴더 안에 둔다.

• —원본: 2,778개 (13개 라벨)
• —클립: 80,049개 = 원본분할 29,040 (그중 무음판정 7,071) + 증강 51,009
• —클립 포맷: WAV, float32, [-1.0, 1.0], 16,000 Hz, mono, 2.0초 (32,000 샘플)
• —분할 방식: 2초 슬라이딩 윈도우, hop 1초 (50% 오버랩), 2초 미만 잔여 구간은 버림
• —무음 판정: 클립을 100ms×20개 세그먼트로 나눠 peak 세그먼트 RMS가 -30 dBFS 미만이면 background 로 분류

폴더 구조

├── gunshot/
│   ├── raw/           297   원본 (8~22초)
│   └── clips_2s/    4,257   2초 분할·증강
├── fire_alarm/  water/  scream/  bicycle/  baby_cry/     (동일 구조)
├── car_horn/  cat_meow/  dog_bark/  knock/               (동일 구조)
│
│   ── clips_2s 가 10,000개를 넘는 라벨은 part_XX 로 쪼개져 있다 ──
├── alarm/
│   ├── raw/           403
│   └── clips_2s/
│       ├── part_00/  7,905
│       └── part_01/  7,905
├── glass_break/
│   ├── raw/           258
│   └── clips_2s/
│       ├── part_00/  6,152
│       └── part_01/  6,151
├── background/                무음 판정분 (raw 없음)
│   └── clips_2s/
│       ├── part_00/  7,071
│       └── part_01/  7,071
│
├── esc50/                   ESC-50 JSON sidecar 190개 (wav 는 라벨 폴더로 이동)
├── data_augmented/src/      전처리 파이프라인 코드
├── clip_metadata.csv        clips_2s 전체 인덱스
└── dataset_labels.csv, integrated_*.csv

⚠️ `part_XX` 하위 폴더 주의 Hugging Face는 디렉터리당 파일 10,000개가 하드 제한이다. alarm(15,810), glass_break(12,303), background(14,142)는 이를 넘어서 clips_2s/part_00/, part_01/ 로 나눠 저장했다. 나머지 라벨은 clips_2s/ 평면 그대로다. 경로를 직접 조합하지 말고 `clip_metadata.csv` 의 `filepath` 컬럼을 쓸 것. 이 컬럼에는 part 경로가 이미 반영되어 있다. 로컬에서 평면 구조로 되돌리려면: ``python import pandas as pd, re df = pd.read_csv("clip_metadata.csv") df["flat"] = df.filepath.str.replace(r"/part_\d+/", "/", regex=True) `` 분할 기준은 파일명 정렬 후 균등 분배라서 재현 가능하다.

폴더명은 CSV의 label 값을 그대로 쓴다. 수집처 폴더(개소리, 고양이소리, 자동차경적, Knocking Sound Effects…, donateacry_…)는 각각 dog_bark, cat_meow, car_horn, knock, baby_cry 로 흡수됐다.

라벨명 규칙 (이 repo 한정)

원본 데이터셋의 한글 라벨 폴더는 이 repo에서 영어로 바뀌었다. 매핑은 .efficientat_eval_code/prepare_manifest.py 의 DEFAULT_LABEL_MAP 과 동일하다.

울음(AI Hub 사람 울음)은 기존 baby_cry(ESC-50 + donateacry)와 같은 폴더에 들어간다. 파일명 충돌은 없다. 두 출처를 구분해야 하면 clip_metadata.csv 의 source_file 을 쓴다.

background/clips_2s/ 의 파일명 접두어(울음__, 경보__ 등)는 한글 그대로 유지된다. 원래 라벨을 영어로 조회하려면 파일명이 아니라 clip_metadata.csv 의 origin_label 컬럼을 쓴다.

musan_mixed_2s/(MUSAN Noise 혼합본, 29GB)는 이 repo에 포함되지 않는다. generate_musan_mixes.py 로 로컬에서 재생성한다.

라벨별 수량

† baby_cry 는 원본 울음(146 raw / 6,396 clips)과 baby_cry(190 raw / 2,808 clips)를 합친 값이다.

raw 보다 clips_2s 소스 수가 적은 건 2초 미만이라 클립이 안 나온 파일(합계 539개, 대부분 knock) 때문이다.

⚠️ 원본 누락: integrated_test_labels_0716.csv 는 원본 4,756개를 등재하지만 디스크에는 2,778개만 있다 (gunshot 1,670→297, glassbreak 482→258, carhorn 340→80). 그래서 gunshot 클립이 4,257개에 그친다. 누락 원본을 채운 뒤 아래 재생성 3단계를 다시 돌리면 그대로 반영된다.

재생성 (3단계)

edge_audio_dataset/ 에서 실행한다.

# 1) 0716 CSV → 디스크에 실존하는 원본만 (2,778행)
python make_source_manifest.py

# 2) 2초 분할 + 무음판정 + 증강 → data_augmented/processed_all/<label>/
python -m data_augmented.src.pipeline \
    --manifest integrated_all_0716.csv --input . \
    --output data_augmented/processed_all \
    --log-file data_augmented/pipeline_all.log

# 3) 클립을 <label>/clips_2s/ 로 옮기고 clip_metadata.csv 재생성
python restructure_dataset.py     # 최초 1회 (CSV 경로 재작성 포함, --dry-run 먼저 권장)
python make_clip_metadata.py

4-class만 다시 만들려면 1단계를 이렇게 바꾼다:

python make_source_manifest.py --output integrated_target4_0716.csv \
    --labels gunshot glass_break bicycle baby_cry

4-class 학습

baby_cry / bicycle / glass_break / gunshot. 노트북 7절이 clip_metadata.csv 를 읽어 manifest를 만들고, 최소 클래스(bicycle 3,747)에 맞춰 클래스당 3,747개로 downsample 한다 → 14,988행.

파일명 규칙

{원본파일명}_{시작초}_{orig|augN-태그[-태그]}.wav
예) ESC50_1-187207-A-20_0_aug1-shf-gan.wav
    → 원본 ESC50_1-187207-A-20 의 0초 지점 클립에 shf+gan 증강 적용 (1번째 증강본)

background 클립은 원래 속했던 라벨이 접두어로 붙는다:

{원본라벨}__{원본파일명}_{시작초}_{variant}.wav
예) baby_cry__ESC50_1-22694-A-20_0_orig.wav

clip_metadata.csv 컬럼

증강 태그

증강본 하나당 변환 1~2개를 무작위 조합 적용 (파라미터는 data_augmented/src/config.py, SEED=42). 원본:증강 비율 — 이벤트 라벨 1:2, background 1:1 (무음 성격 유지 목적).

background 라벨은 무음 성격을 해치지 않도록 shf, gan만 사용한다 (agn/drc/ngt 제외).

train/val 분할 시 주의

같은 source_file에서 나온 클립들은 서로 겹치는 구간을 공유하므로(50% 오버랩 + 증강), 클립 단위가 아니라 `source_file` 단위로 분할해야 데이터 누수가 없다. 노트북의 manifest 빌더가 group_id = aug_{source_file} 를 만들고, 학습 스크립트가 --group-col group_id 로 GroupKFold를 돌린다.

MUSAN Noise 오프라인 증강

generate_musan_mixes.py는 clip_metadata.csv의 전체 클립(기존 증강 및 background 포함)에 MUSAN의 Noise만 섞는다. Music·Speech는 사용하지 않는다. 원본과 기존 증강본은 바꾸지 않고, 각 입력 클립의 SNR 20/15/10 dB 혼합본을 musan_mixed_2s/<label>/clips_2s/에 쓴다.

# 자동 다운로드를 쓸 때만 필요
pip install -r ../requirements-mac.txt

# 첫 실행: MUSAN Noise를 .cache/musan/에 내려받아 전체 생성
python generate_musan_mixes.py --data-root .

# 이미 내려받은 MUSAN으로 작은 스모크 실행
python generate_musan_mixes.py --data-root . --musan-root /path/to/musan --limit 10

# 생성 결과·메타데이터·SNR·원본 그룹 연결 검증
python verify_musan_mixes.py --data-root .

musan_mix_metadata.csv는 출력·원본 경로, 라벨, source_file, group_id=aug_<source_file>, MUSAN Noise 파일/시작 샘플, SNR, RMS, seed, 완료 상태를 보관한다. 완료 행과 WAV가 함께 있으면 재실행 시 건너뛰고, WAV가 사라졌거나 실패 행이면 같은 seed와 동일 선택으로 다시 만든다.

클린 RMS가 −30 dBFS보다 작으면 −30 dBFS를 SNR 계산 기준으로 사용한다. 혼합 후 피크가 1.0을 넘으면 clean/noise를 함께 축소하므로 SNR은 유지된다.