VoxCeleb1Identification

class torchaudio.datasets.VoxCeleb1Identification(root: Union[str, Path], subset: str = 'train', meta_url: str = 'https://www.robots.ox.ac.uk/~vgg/data/voxceleb/meta/iden_split.txt', download: bool = False)

用于说话人识别任务的*VoxCeleb1* [Nagrani et al., 2017] 数据集。

每个数据样本包含波形、采样率、说话人 ID 和文件 ID。

参数

• root (str 或 Path) – 数据集所在或下载到的目录路径。

• subset (str, optional) – 要使用的数据集子集。选项：[“train”, “dev”, “test”]。 (默认："train")

• meta_url (str, optional) – 包含子集标签和文件路径列表的元数据文件的 URL。每行的格式为 subset file_path". 例如： ``1 id10006/nLEBBc9oIFs/00003.wav。 1、2、3 分别表示 train、dev 和 test 子集。(默认："https://www.robots.ox.ac.uk/~vgg/data/voxceleb/meta/iden_split.txt")

• download (bool, optional) – 如果在 root 路径下未找到数据集，是否下载。 (默认：False)。

注意

VoxCeleb1Identification 数据集的文件结构如下

└─ root/

└─ wav/

└─ speaker_id 文件夹

已预下载 "vox1_dev_wav.zip" 和 "vox1_test_wav.zip" 文件的用户需要将解压后的文件移动到同一个 root 目录中。

__getitem__

VoxCeleb1Identification.__getitem__(n: int) → Tuple[Tensor, int, int, 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

整数

采样率

整数

说话人 ID

字符串

文件 ID

get_metadata

VoxCeleb1Identification.get_metadata(n: int) → Tuple[str, int, int, str]

从数据集中获取第 n 个样本的元数据。返回文件路径而不是波形，但其他方面返回的字段与 __getitem__() 相同。

参数

n (int) – 样本的索引

返回

元组包含以下项：

字符串

音频文件路径

整数

采样率

整数

说话人 ID

字符串

文件 ID