VCTK_092

class torchaudio.datasets.VCTK_092(root: str, mic_id: str = 'mic2', download: bool = False, url: str = 'https://datashare.is.ed.ac.uk/bitstream/handle/10283/3443/VCTK-Corpus-0.92.zip', audio_ext='.flac')

VCTK 0.92 [Yamagishi et al., 2019] 数据集

参数

• root (str) – 数据集顶层目录所在根目录。

• mic_id (str, 可选) – 麦克风 ID。可选 "mic1" 或 "mic2"。(默认："mic2")

• 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)。

• url (str, 可选) – 下载数据集的 URL。(默认："https://datashare.is.ed.ac.uk/bitstream/handle/10283/3443/VCTK-Corpus-0.92.zip")

• audio_ext (str, 可选) – 如果数据集被转换为非默认音频格式，则为自定义音频扩展名。

注意

• 由于缺少相应的文本文件，来自说话人 p315 的所有语音都将被跳过。

• 由于缺少音频文件，来自 p280 的所有语音都将被跳过（对于 mic_id="mic2"）。

• 由于缺少音频文件，来自说话人 p362 的一些语音将被跳过。

• 另请参阅： https://datashare.is.ed.ac.uk/handle/10283/3443

__getitem__

VCTK_092.__getitem__(n: int) → Tuple[Tensor, int, str, str, str]

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

语音内容

str

说话人 ID

std

发音单元 ID