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)

語音指令 [Warden, 2018] 資料集。

參數:

• root (str 或 Path) – 存放或下載資料集的目錄路徑。

• url (str, optional) – 從中下載資料集的 URL，或是要下載的資料集類型。允許的類型值為 "speech_commands_v0.01" 和 "speech_commands_v0.02" (預設值："speech_commands_v0.02")

• folder_in_archive (str, optional) – 資料集的頂層目錄。（預設值："SpeechCommands")

• download (bool, optional) – 如果在根路徑中找不到資料集，是否下載資料集。（預設值：False）。

• subset (str or None, optional) – 選擇資料集的一個子集 [None, “training”, “validation”, “testing”]。None 代表整個資料集。“validation” 和 “testing” 分別定義在 “validation_list.txt” 和 “testing_list.txt” 中，“training” 是剩下的部分。關於 “validation_list.txt” 和 “testing_list.txt” 檔案的詳細資訊，請參閱資料集的 README 以及原始論文第 7 節的介紹及其參考文獻 12。原始論文可以在這裡找到。（預設值：None）

__getitem__

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

從資料集中載入第 n 個樣本。

參數:

n (int) – 要載入的樣本的索引

傳回值:

以下項目的 Tuple；

Tensor

波形

int

取樣率

str

標籤

str

說話者 ID

int

語音編號

get_metadata

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

從資料集中取得第 n 個樣本的元數據。傳回檔案路徑而不是波形，但其他方面傳回與 __getitem__() 相同的欄位。

參數:

n (int) – 要載入的樣本的索引

傳回值:

以下項目的 Tuple；

str

音訊檔案路徑

int

取樣率

str

標籤

str

說話者 ID

int

語音編號