SPEECHCOMMANDS

class torchaudio.datasets.SPEECHCOMMANDS(root: Union[str, Path], url: str = 'speech_commands_v0.02', folder_in_archive: str = 'SpeechCommands', download: bool = False, subset: Optional[str] = None)

Speech Commands [Warden, 2018] 数据集。

参数

• root (str 或 Path) – 数据集所在或下载到的目录路径。

• url (str, optional) – 下载数据集的 URL，或要下载的数据集的类型。允许的类型值为 "speech_commands_v0.01" 和 "speech_commands_v0.02" (默认: "speech_commands_v0.02")

• folder_in_archive (str, optional) – 数据集的顶层目录。(默认: "SpeechCommands")

• download (bool, 可选) – 如果在 root 路径下找不到数据集，则下载数据集。(默认：False)。

• subset (str 或 None, optional) – 选择数据集的一个子集 [None, “training”, “validation”, “testing”]。None 表示整个数据集。“validation” 和 “testing” 分别在 “validation_list.txt” 和 “testing_list.txt” 中定义，“training” 是剩余部分。有关 “validation_list.txt” 和 “testing_list.txt” 文件的详细信息在数据集的 README 以及原始论文第 7 节及其参考文献 12 的引言中进行了解释。原始论文可以在 这里 找到。(默认: None)

__getitem__

SPEECHCOMMANDS.__getitem__(n: int) → Tuple[Tensor, int, str, str, int]

加载数据集中的第 n 个样本。

参数

n (int) – 要加载的样本的索引

返回

元组包含以下项：

张量

波形

int

采样率

str

标签

str

说话人 ID

int

话语编号

get_metadata

SPEECHCOMMANDS.get_metadata(n: int) → Tuple[str, int, str, str, int]

获取数据集中第 n 个样本的元数据。返回文件路径而非波形，但返回的字段与 __getitem__() 相同。

参数

n (int) – 要加载的样本的索引

返回

元组包含以下项：

str

音频文件路径

int

采样率

str

标签

str

说话人 ID

int

话语编号