语音命令

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) – 数据集所在的目录路径或下载路径。

• url (str，可选) – 从中下载数据集的 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"（默认值："speech_commands_v0.02"）

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

• download (bool，可选) – 如果在根路径下找不到数据集，是否下载数据集。（默认值：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。文件 “validation_list.txt” 和 “testing_list.txt” 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 中有解释。原始论文可以在这里找到 here。（默认值：None）

__getitem__

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

加载数据集中第 n 个样本。

参数：

n (int) – 要加载的样本的索引

返回值：

以下项目的元组；

张量

波形

整数

采样率

字符串

标签

字符串

说话人 ID

整数

话语编号

get_metadata

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

获取数据集第 n 个样本的元数据。返回文件路径而不是波形，但在其他方面返回与__getitem__()相同的字段。

参数：

n (int) – 要加载的样本的索引

返回值：

以下项目的元组；

字符串

音频文件路径

整数

采样率

字符串

标签

字符串

说话人 ID

整数

话语编号