TUT Acoustic Scenes 2017 包含一组来自不同声学场景的录音，均来自不同的地点。每个录音地点都包括 3-5 分钟的录音，并被分割成 10 秒音频片段，作为这项任务的采样单位。所有的音频片段都以 44.1 khz 的采样率和 24 比特的分辨率记录。