TUT Acoustic Scenes 2017 contient une collection d'enregistrements de différentes scènes acoustiques, toutes provenant d'endroits différents. Chaque emplacement d’enregistrement comprenait 3 à 5 minutes d’enregistrements, qui ont été segmentés en segments audio de 10 secondes comme unité d’échantillonnage pour cette tâche. Tous les clips audio ont été enregistrés à un taux d’échantillonnage de 44,1 kHz et une résolution de 24 bits.