我正在研究一个卷积神经网络，该网络需要一个audio spectrogram来使用GTZAN dataset来区分音乐和语音
如果单个样本较短，则总体上将提供更多样本。但是，如果样本太短，那么它们可能缺少重要特征吗？
识别一段音频是音乐还是语音需要多少数据？
音频样本理想情况下应该持续多长时间？
最佳答案
音频的长度取决于多种因素。
基本思想是获取足够的样本。
由于音频会不断变化，因此最好处理较短的数据。但是，非常小的帧将导致更少/没有要捕获的特征。
另一方面，非常大的样本将捕获太多特征，从而导致复杂性。
因此，在大多数情况下，尽管理想的音频长度是25秒，但这不是书面规则，您可以相应地对其进行操作，只需确保帧大小不是很小或很大。
更新数据集
检查this链接以获取30s的数据集
关于machine-learning - 音频样本应该用于音乐/语音识别多长时间？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42558461/