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] 資料集

引數：

• root (str) – 資料集頂級目錄所在的根目錄。

• mic_id (str, 可選) – 麥克風 ID。可以是 "mic1" 或 "mic2"。（預設值："mic2"）

• download (bool, 可選) – 如果在根路徑未找到資料集，是否下載。 （預設值：False）。

• url (str, 可選) – 資料集的下載 URL。（預設值："https://datashare.is.ed.ac.uk/bitstream/handle/10283/3443/VCTK-Corpus-0.92.zip"）

• audio_ext (str, 可選) – 如果資料集轉換為非預設音訊格式，則為自定義音訊副檔名。

注意

• 來自說話人 p315 的所有語音都將被跳過，因為缺少對應的文字檔案。

• 來自說話人 p280 的所有語音對於 mic_id="mic2" 都將被跳過，因為缺少音訊檔案。

• 來自說話人 p362 的部分語音將因缺少音訊檔案而被跳過。

• 另請參閱：https://datashare.is.ed.ac.uk/handle/10283/3443

__getitem__

VCTK_092.__getitem__(n: int) → Tuple[Tensor, int, str, str, str]

從資料集中載入第 n 個樣本。

引數：

n (int) – 要載入樣本的索引

返回值：

包含以下項的元組；

Tensor

波形

int

取樣率

str

轉錄文字

str

說話人 ID

str

話語 ID