RIR-Mega: un conjunto de datos a gran escala de respuestas al impulso de sala simuladas para aprendizaje automático y modelado de acústica de salas

RIR-Mega: a large-scale simulated room impulse response dataset for machine learning and room acoustics modeling

October 21, 2025

Autores: Mandip Goswami

cs.AI

Resumen

Las respuestas impulsionales de sala (RIR) son un recurso fundamental para la dereverberación, el reconocimiento robusto de voz, la localización de fuentes y la estimación de acústica de salas. Presentamos RIR-Mega, una amplia colección de RIR simuladas descritas mediante un esquema de metadatos compacto y amigable para máquinas, distribuido con herramientas simples para validación y reutilización. El conjunto de datos incluye un cargador de Hugging Face Datasets, scripts para verificación de metadatos y sumas de comprobación, y una línea base de regresión de referencia que predice objetivos tipo RT60 a partir de formas de onda. En una división de entrenamiento y validación de 36,000 y 4,000 ejemplos, un pequeño Bosque Aleatorio con características ligeras de tiempo y espectro alcanza un error absoluto medio cercano a 0.013 s y un error cuadrático medio cercano a 0.022 s. Alojamos un subconjunto con 1,000 RIR de arreglos lineales y 3,000 RIR de arreglos circulares en Hugging Face para streaming y pruebas rápidas, y preservamos el archivo completo de 50,000 RIR en Zenodo. El conjunto de datos y el código son públicos para apoyar estudios reproducibles.

English

Room impulse responses are a core resource for dereverberation, robust speech recognition, source localization, and room acoustics estimation. We present RIR-Mega, a large collection of simulated RIRs described by a compact, machine friendly metadata schema and distributed with simple tools for validation and reuse. The dataset ships with a Hugging Face Datasets loader, scripts for metadata checks and checksums, and a reference regression baseline that predicts RT60 like targets from waveforms. On a train and validation split of 36,000 and 4,000 examples, a small Random Forest on lightweight time and spectral features reaches a mean absolute error near 0.013 s and a root mean square error near 0.022 s. We host a subset with 1,000 linear array RIRs and 3,000 circular array RIRs on Hugging Face for streaming and quick tests, and preserve the complete 50,000 RIR archive on Zenodo. The dataset and code are public to support reproducible studies.