EMVD dataset: a dataset of extreme vocal distortion techniques used in heavy metal

• Main Authors: Tailleur, Modan, Pinquier, Julien, Millot, Laurent, Vogel, Corsin, Lagrange, Mathieu
• Other Authors: Équipe Structuration, Analyse et MOdélisation de documents Vidéo et Audio (IRIT-SAMoVA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Institut ACTE - Arts Créations Théories Esthétiques (ACTE), Université Paris 1 Panthéon-Sorbonne (UP1), École normale supérieure de Lyon (ENS de Lyon), Laboratoire des Sciences du Numérique de Nantes (LS2N), Université de Nantes - UFR des Sciences et des Techniques (UN UFR ST), Université de Nantes (UN)-Université de Nantes (UN)-École Centrale de Nantes (ECN)-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom Paris (IMT)-Institut Mines-Télécom Paris (IMT)
• Format: Conference Object
• Language: English
• Published: HAL CCSD 2024
• Subjects: Articial Intelligence; Audio; Dataset; Heavy Metal Music; Vocal Distortion; [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]; [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph]; Iceland
• Online Access: https://hal.science/hal-04620072; https://hal.science/hal-04620072/document; https://hal.science/hal-04620072/file/main.pdf

International audience In this paper, we introduce the Extreme Metal Vocals Dataset, which comprises a collection of recordings of extreme vocal techniques performed within the realm of heavy metal music. The dataset consists of 760 audio excerpts of 1 second to 30 seconds long, totaling about 100 min of audio material, roughly composed of 60 minutes of distorted voices and 40 minutes of clear voice recordings. These vocal recordings are from 27 different singers and are provided without accompanying musical instruments or post-processing effects. The distortion taxonomy within this dataset encompasses four distinct distortion techniques and three vocal effects, all performed in different pitch ranges. Performance of a state-of-the-art deep learning model is evaluated for two different classification tasks related to vocal techniques, demonstrating the potential of this resource for the audio processing community. Dans cet article, nous présentons l’Extreme Metal Vocals Dataset, qui comprend une collection d’enregistrements de techniques vocales extrêmes pratiquées dans le domaine de la musique heavy metal. L’ensemble de données se compose de 760 extraits audio d’une durée de 1 à 30 secondes, totalisant environ 100 minutes de matériel audio, composé approximativement de 60 minutes de voix distordues et de 40 minutes d’enregistrements de voix claires. Ces enregistrements vocaux proviennent de 27 chanteurs différents et sont fournis sans instruments musicaux d’accompagnement ni effets de post-traitement. La taxonomie de la distorsion au sein de cet ensemble de données englobe quatre techniques de distorsion distinctes et trois effets vocaux, tous exécutés dans différentes gammes de hauteur. Les performances d’un modèle d’apprentissage profond de pointe sont évaluées pour deux tâches de classification différentes liées aux techniques vocales, démontrant le potentiel de cette ressource pour la communauté du traitement audio.