目录
目录

torchaudio.datasets

所有数据集都是 i.即，它们具有 和 实现的方法。 因此，它们都可以传递给 a，后者可以使用 worker 并行加载多个样本。 例如：__getitem____len__torch.multiprocessing

yesno_data = torchaudio.datasets.YESNO('.', download=True)
data_loader = torch.utils.data.DataLoader(yesno_data,
                                          batch_size=1,
                                          shuffle=True,
                                          num_workers=args.nThreads)

以下数据集可用：

所有数据集都有几乎相似的 API。它们都有两个常见的参数：分别转换 input 和 target。transformtarget_transform

中国 CMUARCTIC

class （root： str， url： str = 'aew'， folder_in_archive： str = 'ARCTIC'， 下载： bool = False）[来源]torchaudio.datasets.CMUARCTIC

为 CMU_ARCTIC 创建 Dataset。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • url （str， optional） – 要从中下载数据集的 URL 或要下载的数据集的类型。 （默认值：） 允许的类型值为 、 或 。"aew""aew""ahw""aup""awb""axb""bdl""clb""eey""fem""gka""jmk""ksp""ljm""lnh""rms""rxr""slp""slt"

  • folder_in_archive （str， optional） – 数据集的顶级目录。（默认："ARCTIC")

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

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

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

(waveform, sample_rate, utterance, utterance_id)

返回类型

元

COMMONVOICE 公司

class （root： str， tsv： str = 'train.tsv'， url： str = 'english'， folder_in_archive： str = 'CommonVoice'， version： str = 'cv-corpus-4-2019-12-10'， 下载： bool = False）[来源]torchaudio.datasets.COMMONVOICE

为 CommonVoice 创建数据集。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • tsv （str， optional） – 用于构建元数据的 tsv 文件的名称。 （默认："train.tsv")

  • url （str，可选） – 要从中下载数据集的 URL 或 要下载的数据集。（默认值：）。 允许的语言值为 、 、 、"english""tatar""english""german""french""welsh""breton""chuvash""turkish""kyrgyz""irish""kabyle""catalan""taiwanese""slovenian""italian""dutch""hakha chin""esperanto""estonian""persian""portuguese""basque""spanish""chinese""mongolian""sakha""dhivehi""kinyarwanda""swedish""russian""indonesian""arabic""tamil""interlingua""latvian""japanese""votic""abkhaz""cantonese""romansh sursilvan"

  • folder_in_archive （str， optional） – 数据集的顶级目录。

  • version （str） – 版本字符串。（默认值：） 对于其他允许的值，请查看 https://commonvoice.mozilla.org/en/datasets。"cv-corpus-4-2019-12-10"

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

__getitem__(n： int） → Tuple[torch.张量、整数、Dict[str， str]][来源]

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

(waveform, sample_rate, dictionary)，其中 Dictionary 的构建位置 使用以下键从 TSV 文件中：、、、 和 .client_idpathsentenceup_votesdown_votesagegenderaccent

返回类型

元

GTZAN 公司

class （root： str， url： str = 'http://opihi.cs.uvic.ca/sound/genres.tar.gz'， folder_in_archive： str = 'genres'， download： bool = False， subset： Optional[str] = None）[来源]torchaudio.datasets.GTZAN

为 GTZAN 创建一个数据集。

注意

如果您打算使用 http://marsyas.info/downloads/datasets.html 此数据集发布结果。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • url （str， optional） – 要从中下载数据集的 URL。 （默认："http://opihi.cs.uvic.ca/sound/genres.tar.gz")

  • folder_in_archive （str， optional） – 数据集的顶级目录。

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

  • subset （str， optional） （子集，可选） – 要使用的数据集子集。 、 或 之一。 如果 ，则使用整个数据集。（默认值：）。"training""validation""testing"NoneNoneNone

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

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

(waveform, sample_rate, label)

返回类型

元

LIBRISPEECH

类 （root： str， url： str = 'train-clean-100'， folder_in_archive： str = 'LibriSpeech'， 下载： bool = False）[来源]torchaudio.datasets.LIBRISPEECH

为 LibriSpeech 创建数据集。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • url （str， optional） – 要从中下载数据集的 URL， 或要下载的数据集的类型。 允许的类型值为 、 、 、 、 和 。（默认："dev-clean""dev-other""test-clean""test-other""train-clean-100""train-clean-360""train-other-500""train-clean-100")

  • folder_in_archive （str， optional） – 数据集的顶级目录。（默认："LibriSpeech")

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

__getitem__(n： int） → Tuple[torch.张量、int、str、int、int、int][来源]

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

(waveform, sample_rate, utterance, speaker_id, chapter_id, utterance_id)

返回类型

元

利布里茨

类 （root： str， url： str = 'train-clean-100'， folder_in_archive： str = 'LibriTTS'， 下载： bool = False）[来源]torchaudio.datasets.LIBRITTS

为 LibriTTS 创建一个数据集。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • url （str， optional） – 要从中下载数据集的 URL， 或要下载的数据集的类型。 允许的类型值为 、 、 、 、 和 。（默认："dev-clean""dev-other""test-clean""test-other""train-clean-100""train-clean-360""train-other-500""train-clean-100")

  • folder_in_archive （str， optional） – 数据集的顶级目录。（默认："LibriTTS")

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

__getitem__(n： int） → Tuple[torch.张量、int、str、str、int、int、str][来源]

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

(waveform, sample_rate, original_text, normalized_text, speaker_id, chapter_id, utterance_id)

返回类型

元

LJSPEECH

类 （root： str， url： str = 'https://data.keithito.com/data/speech/LJSpeech-1.1.tar.bz2'， folder_in_archive： str = 'wavs'， 下载： bool = False）[来源]torchaudio.datasets.LJSPEECH

为 LJSpeech-1.1 创建 Dataset。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • url （str， optional） – 要从中下载数据集的 URL。 （默认："https://data.keithito.com/data/speech/LJSpeech-1.1.tar.bz2")

  • folder_in_archive （str， optional） – 数据集的顶级目录。（默认："wavs")

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

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

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

(waveform, sample_rate, transcript, normalized_transcript)

返回类型

元

语音命令

类 （root： str， url： str = 'speech_commands_v0.02'， folder_in_archive： str = 'SpeechCommands'， 下载： bool = False）[来源]torchaudio.datasets.SPEECHCOMMANDS

为 Speech 命令创建 Dataset。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • url （str， optional） – 要从中下载数据集的 URL， 或要下载的数据集的类型。 允许的类型值为 和 （默认值："speech_commands_v0.01""speech_commands_v0.02""speech_commands_v0.02")

  • folder_in_archive （str， optional） – 数据集的顶级目录。（默认："SpeechCommands")

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

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

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

(waveform, sample_rate, label, speaker_id, utterance_number)

返回类型

元

特德利姆

class （root： str， release： str = 'release1'， subset： str = None， download： bool = False， audio_ext='.sph'）[来源]torchaudio.datasets.TEDLIUM

为 Tedlium 创建 Dataset。它支持版本 1、2 和 3。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • release （str， optional） – 发行版。 允许的值为 ， 或 。 （默认值：）。"release1""release2""release3""release1"

  • subset （str， optional） （子集，可选） – 要使用的数据集子集。有效选项包括 、 、 对于版本 1&2，对于版本 3。默认为 或 。"train""dev""test"None"train"None

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

__getitem__(n： int） → Tuple[torch.张量、int、str、int、int、int][来源]

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

(waveform, sample_rate, transcript, talk_id, speaker_id, identifier)

返回类型

元

财产phoneme_dict

音素。从单词映射到音素元组。 请注意，某些单词的音素为空。

类型

dict[str， tuple[str]]

VCTK

类（root： str， url： str = 'https://datashare.is.ed.ac.uk/bitstream/handle/10283/3443/VCTK-Corpus-0.92.zip'， folder_in_archive： str = 'VCTK-Corpus'， 下载： bool = False， 下采样： bool = False， 转换： Any = None， target_transform： Any = None）[来源]torchaudio.datasets.VCTK

创建 VCTK 数据集。

注意

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • url （str， optional） – 未使用，因为数据集不再公开可用。

  • folder_in_archive （str， optional） – 数据集的顶级目录。（默认："VCTK-Corpus")

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。 给予将导致错误，因为数据集不再是 公开可用。Falsedownload=True

  • downsample （bool， optional） （未使用）。

  • transform （callable， optional） （转换，可选） – 应用于波形的可选转换。（默认：None)

  • target_transform （callable， optional） – 对话语应用的可选转换。（默认：None)

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

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

(waveform, sample_rate, utterance, speaker_id, utterance_id)

返回类型

元

VCTK_092

class （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'）[来源]torchaudio.datasets.VCTK_092

创建 VCTK 0.92 数据集

参数

  • root （str） – 找到数据集的顶级目录的根目录。

  • mic_id （str） – 麦克风 ID。（默认："mic1""mic2""mic2")

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

  • url （str， optional） – 要从中下载数据集的 URL。 （默认："https://datashare.is.ed.ac.uk/bitstream/handle/10283/3443/VCTK-Corpus-0.92.zip")

  • audio_ext （str， optional） – 如果数据集转换为非默认音频格式，则为自定义音频扩展。

注意

  • 由于缺少相应的文本文件，演讲者的所有演讲都将被跳过。p315

  • 由于缺少音频文件，所有语音都将被跳过。p280mic_id="mic2"

  • 由于缺少音频文件，演讲者的一些演讲将被跳过。p362

  • 另请参见：https://datashare.is.ed.ac.uk/handle/10283/3443

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

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

(waveform, sample_rate, utterance, speaker_id, utterance_id)

返回类型

元

是的没有

类 （root： str， url： str = 'http://www.openslr.org/resources/1/waves_yesno.tar.gz'， folder_in_archive： str = 'waves_yesno'， 下载： bool = False， 转换： Any = None， target_transform： Any = None）[来源]torchaudio.datasets.YESNO

为 YesNo 创建 Dataset。

参数

  • root （str） – 找到或下载数据集的目录的路径。

  • url （str， optional） – 要从中下载数据集的 URL。 （默认："http://www.openslr.org/resources/1/waves_yesno.tar.gz")

  • folder_in_archive （str， optional） – 数据集的顶级目录。（默认："waves_yesno")

  • download （bool， optional） – 如果在根路径中找不到数据集，是否下载数据集。（默认值：）。False

  • transform （callable， optional） （转换，可选） – 应用于波形的可选转换。（默认：None)

  • target_transform （callable， optional） – 对话语应用的可选转换。（默认：None)

__getitem__(n： int） → Tuple[torch.张量、整数、列表[int]][来源]

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

(waveform, sample_rate, labels)

返回类型

元

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并解答您的问题

查看资源