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)

语音命令 [Warden, 2018] 数据集。

参数:

• root (str 或 Path) – 找到或下载数据集的目录路径。

• url (str, 可选) – 下载数据集的 URL，或要下载的数据集类型。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, 可选) – 数据集的顶层目录。（默认："SpeechCommands"）

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

• subset (str 或 None, 可选) – 选择数据集的子集 [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” 是其余部分。“validation_list.txt” 和 “testing_list.txt” 文件的详细信息在数据集的 README 和原始论文第 7 节的介绍及其参考文献 12 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]

从数据集中加载第 n 个样本。

参数:

n (int) – 要加载的样本的索引

返回:

以下项目的元组；

Tensor

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。返回文件路径而不是波形，但其他方面返回与 __getitem__() 相同的字段。

参数:

n (int) – 要加载的样本的索引

返回:

以下项目的元组；

str

音频文件的路径

int

采样率

str

标签

str

说话人 ID

int

话语编号