RIR-Mega: un dataset su larga scala di risposte all'impulso di stanze simulato per l'apprendimento automatico e la modellazione dell'acustica ambientale

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

October 21, 2025

Autori: Mandip Goswami

cs.AI

Abstract

Le risposte impulsive di una stanza (RIR) rappresentano una risorsa fondamentale per la dereverberazione, il riconoscimento vocale robusto, la localizzazione delle sorgenti e la stima dell'acustica ambientale. Presentiamo RIR-Mega, un'ampia raccolta di RIR simulate descritte da uno schema di metadati compatto e adatto all'elaborazione automatica, distribuita con strumenti semplici per la validazione e il riutilizzo. Il dataset è fornito con un caricatore per Hugging Face Datasets, script per il controllo dei metadati e dei checksum, e una baseline di regressione di riferimento che predice obiettivi RT60 a partire dalle forme d'onda. Su una suddivisione di addestramento e validazione di 36.000 e 4.000 esempi, un piccolo Random Forest basato su caratteristiche temporali e spettrali leggere raggiunge un errore assoluto medio di circa 0,013 s e un errore quadratico medio di circa 0,022 s. Ospitiamo un sottoinsieme con 1.000 RIR per array lineari e 3.000 RIR per array circolari su Hugging Face per lo streaming e test rapidi, e conserviamo l'archivio completo di 50.000 RIR su Zenodo. Il dataset e il codice sono pubblici per supportare studi riproducibili.

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.