Audio Dialogen: Dataset voor dialogen voor audio- en muziekbegrip

Audio Dialogues: Dialogues dataset for audio and music understanding

April 11, 2024

Auteurs: Arushi Goel, Zhifeng Kong, Rafael Valle, Bryan Catanzaro

cs.AI

Samenvatting

Bestaande datasets voor audio-begrip richten zich voornamelijk op enkelvoudige interacties (bijvoorbeeld audio-beschrijvingen, audio-vraagbeantwoording) voor het beschrijven van audio in natuurlijke taal, waardoor het begrijpen van audio via interactieve dialoog beperkt blijft. Om dit gat te dichten, introduceren we Audio Dialogues: een multi-turn dialoogdataset met 163.8k samples voor algemene geluiden en muziek. Naast dialogen bevat Audio Dialogues ook vraag-antwoordparen om meerdere input-audio's samen te begrijpen en te vergelijken. Audio Dialogues maakt gebruik van een op prompts gebaseerde aanpak en beschrijvingsannotaties uit bestaande datasets om multi-turn dialogen te genereren met behulp van een Large Language Model (LLM). We evalueren bestaande audio-augmented large language-modellen op onze voorgestelde dataset om de complexiteit en toepasbaarheid van Audio Dialogues aan te tonen. Onze code voor het genereren van de dataset zal openbaar beschikbaar worden gemaakt. Gedetailleerde prompts en gegenereerde dialogen zijn te vinden op de demo-website https://audiodialogues.github.io/.

English

Existing datasets for audio understanding primarily focus on single-turn interactions (i.e. audio captioning, audio question answering) for describing audio in natural language, thus limiting understanding audio via interactive dialogue. To address this gap, we introduce Audio Dialogues: a multi-turn dialogue dataset containing 163.8k samples for general audio sounds and music. In addition to dialogues, Audio Dialogues also has question-answer pairs to understand and compare multiple input audios together. Audio Dialogues leverages a prompting-based approach and caption annotations from existing datasets to generate multi-turn dialogues using a Large Language Model (LLM). We evaluate existing audio-augmented large language models on our proposed dataset to demonstrate the complexity and applicability of Audio Dialogues. Our code for generating the dataset will be made publicly available. Detailed prompts and generated dialogues can be found on the demo website https://audiodialogues.github.io/.