RIR-Mega: крупномасштабный набор данных смоделированных импульсных характеристик помещений для машинного обучения и моделирования акустики помещений
RIR-Mega: a large-scale simulated room impulse response dataset for machine learning and room acoustics modeling
October 21, 2025
Авторы: Mandip Goswami
cs.AI
Аннотация
Импульсные характеристики помещения (RIR) являются ключевым ресурсом для устранения реверберации, устойчивого распознавания речи, локализации источников звука и оценки акустики помещений. Мы представляем RIR-Mega — обширную коллекцию смоделированных RIR, описанных компактной, удобной для машин метаданной схемой и распространяемую с простыми инструментами для проверки и повторного использования. Набор данных поставляется с загрузчиком Hugging Face Datasets, скриптами для проверки метаданных и контрольных сумм, а также эталонной регрессионной моделью, которая предсказывает целевые значения RT60 на основе звуковых волн. На обучающей и валидационной выборках из 36 000 и 4 000 примеров небольшая модель Random Forest, использующая легковесные временные и спектральные признаки, достигает средней абсолютной ошибки около 0,013 с и среднеквадратичной ошибки около 0,022 с. Мы размещаем подмножество из 1 000 RIR для линейных массивов и 3 000 RIR для круговых массивов на Hugging Face для потоковой передачи и быстрых тестов, а полный архив из 50 000 RIR сохраняем на Zenodo. Набор данных и код находятся в открытом доступе для поддержки воспроизводимых исследований.
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.