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 等人，2019] 数据集

参数：

• root (str) – 数据集顶级目录所在的根目录。

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

• download (bool, 可选) – 如果在根路径未找到数据集，是否下载。 （默认值：False）。

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

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

注意

• 来自说话人 p315 的所有语音都将被跳过，因为缺少对应的文本文件。

• 来自说话人 p280 的所有语音对于 mic_id="mic2" 都将被跳过，因为缺少音频文件。

• 来自说话人 p362 的部分语音将因缺少音频文件而被跳过。

• 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]

从数据集中加载第 n 个样本。

参数：

n (int) – 要加载样本的索引

返回值：

包含以下项的元组；

Tensor

波形

int

采样率

str

转录文本

str

说话人 ID

str

话语 ID