Die Datenbank besteht aus Audioaufnahmen, von denen jede zehn Sekunden lang ist. Jede Audiodatei enthält zwischen zwei und vier akustische Ereignisse, die sich nicht überlappen. Zudem sind verschiedene Hintergrundgeräusche in den Aufnahmen vorhanden. Die möglichen akustischen Ereignisse (Klassen) umfassen unter anderem: Shatter, Bark, Doorbell, Shout, Cough, Camera, Church_bell, Scratching (performance technique), Fireworks, Burping and eructation, Meow und Cheering.

Für jede Audiodatei existiert eine Annotationsdatei, die die genauen Start- und Endzeitpunkte der Ereignisse sowie deren jeweilige Klassen enthält. Insgesamt umfasst der Datensatz etwa 36 Stunden Audiomaterial, wovon 28 Stunden für das Training und 8 Stunden für Testzwecke vorgesehen sind.