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) – 如果在根路径下未找到数据集，是否下载数据集。（默认值：False）。

• url (str, 可选) – 从中下载数据集的 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，则使用自定义音频扩展名。

注意

• 由于缺少相应的文本文件，将跳过说话者 p315 的所有语音。

• 由于缺少音频文件，对于 mic_id="mic2"，将跳过来自 p280 的所有语音。

• 由于缺少音频文件，将跳过说话者 p362 的一些语音。

• 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) – 要加载的样本的索引

返回:

以下各项的元组；

张量

波形

整数

采样率

字符串

文本记录

字符串

说话者 ID

标准差

话语 ID