摘要
本研究旨在通过引入一个新的大型语言模型（LLM）驱动的数据集——野生家庭环境声音事件检测数据集（WildDESED），来推进声音事件检测（SED）的研究。该数据集是在原始DESED数据集的基础上扩展而成，旨在反映家庭环境中多样的声学变化和复杂的噪声。我们利用大型语言模型生成了基于DESED数据集中目标声音类别的八种不同的家庭场景。随后，我们从AudioSet中精心挑选了一组噪声并将其混合到这些场景中，确保这些噪声与目标声音没有重叠。为了研究WildDESED数据集的挑战性，我们采用了广泛流行的卷积神经递归网络（CNN-RNN）。接着，我们通过逐步增加噪声复杂度的方法应用了课程学习，以增强模型在不同噪声水平下的泛化能力。实验结果表明，这种方法在嘈杂环境下取得了改进，验证了其在WildDESED数据集上的有效性，并促进了对噪声鲁棒性的SED技术的发展。