102 lines
6.1 KiB
ReStructuredText
102 lines
6.1 KiB
ReStructuredText
mindspore.dataset.LibriTTSDataset
|
||
=================================
|
||
|
||
.. py:class:: mindspore.dataset.LibriTTSDataset(dataset_dir, usage=None, num_samples=None, num_parallel_workers=None, shuffle=None, sampler=None, num_shards=None, shard_id=None, cache=None)
|
||
|
||
LibriTTS数据集。
|
||
|
||
生成的数据集有七列 `[waveform, sample_rate, original_text, normalized_text, speaker_id, chapter_id, utterance_id]` 。
|
||
`waveform` 列的数据类型为float32。
|
||
`sample_rate` 列的数据类型为uint32。
|
||
`original_text` 列的数据类型为string。
|
||
`normalized_text` 列的数据类型为string。
|
||
`speaker_id` 列的数据类型为uint32。
|
||
`chapter_id` 列的数据类型为uint32。
|
||
`utterance_id` 列的数据类型为string。
|
||
|
||
参数：
|
||
- **dataset_dir** (str) - 包含数据集文件的根目录路径。
|
||
- **usage** (str, 可选) - 指定数据集的子集，可取值为 ``'dev-clean'`` 、 ``'dev-other'`` 、 ``'test-clean'`` 、 ``'test-other'`` 、 ``'train-clean-100'`` 、 ``'train-clean-360'`` 、 ``'train-other-500'`` 或 ``'all'`` 。默认值： ``None`` ，表示读取全部样本。
|
||
- **num_samples** (int, 可选) - 指定从数据集中读取的样本数。默认值： ``None`` ，读取全部音频。
|
||
- **num_parallel_workers** (int, 可选) - 指定读取数据的工作线程数。默认值： ``None`` ，使用全局默认线程数（8），也可以通过 :func:`mindspore.dataset.config.set_num_parallel_workers` 配置全局线程数。
|
||
- **shuffle** (bool, 可选) - 是否混洗数据集。默认值： ``None`` ，下表中会展示不同参数配置的预期行为。
|
||
- **sampler** (Sampler, 可选) - 指定从数据集中选取样本的采样器。默认值： ``None`` ，下表中会展示不同配置的预期行为。
|
||
- **num_shards** (int, 可选) - 指定分布式训练时数据集划分的片数。默认值： ``None`` 。指定此参数后， `num_samples` 表示每个分片的最大样本数。一般在 `数据并行模式训练 <https://www.mindspore.cn/tutorials/zh-CN/master/parallel/data_parallel.html#数据集加载>`_ 的时候使用。
|
||
- **shard_id** (int, 可选) - 指定分布式训练时使用的分片ID号。默认值： ``None`` 。只有当指定了 `num_shards` 时才能指定此参数。
|
||
- **cache** (:class:`~.dataset.DatasetCache`, 可选) - 单节点数据缓存服务，用于加快数据集处理，详情请阅读 `单节点数据缓存 <https://www.mindspore.cn/tutorials/zh-CN/master/dataset/cache.html>`_ 。默认值： ``None`` ，不使用缓存。
|
||
|
||
异常：
|
||
- **RuntimeError** - `dataset_dir` 路径下不包含任何数据文件。
|
||
- **RuntimeError** - 同时指定了 `sampler` 和 `shuffle` 参数。
|
||
- **RuntimeError** - 同时指定了 `sampler` 和 `num_shards` 参数，或同时指定了 `sampler` 和 `shard_id` 参数。
|
||
- **RuntimeError** - 指定了 `num_shards` 参数，但是未指定 `shard_id` 参数。
|
||
- **RuntimeError** - 指定了 `shard_id` 参数，但是未指定 `num_shards` 参数。
|
||
- **ValueError** - `num_parallel_workers` 参数超过系统最大线程数。
|
||
- **ValueError** - 如果 `shard_id` 取值不在[0, `num_shards` )范围。
|
||
|
||
教程样例：
|
||
- `使用数据Pipeline加载 & 处理数据集
|
||
<https://www.mindspore.cn/docs/zh-CN/master/api_python/samples/dataset/dataset_gallery.html>`_
|
||
|
||
.. note::
|
||
- 暂不支持指定 `sampler` 参数为 :class:`mindspore.dataset.PKSampler`。
|
||
- 入参 `num_samples` 、 `shuffle` 、 `num_shards` 、 `shard_id` 可用于控制数据集所使用的采样器，其与入参 `sampler` 搭配使用的效果如下。
|
||
|
||
.. include:: mindspore.dataset.sampler.rst
|
||
|
||
**关于LibriTTS数据集：**
|
||
|
||
LibriTTS是由Heiga Zen在谷歌语音和谷歌大脑团队成员的协助下准备的一个多语者英语语料库，
|
||
包括了大约585小时的24kHz采样率的英语语音。LibriTTS语料库是为TTS研究设计的。它是由\
|
||
LibriSpeech语料库的原始语料（来自LibriVox的mp3音频文件和来自Project Gutenberg的文本文件）
|
||
衍生而来。
|
||
|
||
您可以将LibriTTS数据集构建成以下目录结构，并通过MindSpore的API进行读取。
|
||
|
||
.. code-block::
|
||
|
||
.
|
||
└── libri_tts_dataset_directory
|
||
├── dev-clean
|
||
│ ├── 116
|
||
│ │ ├── 288045
|
||
| | | ├── 116_288045.trans.tsv
|
||
│ │ │ ├── 116_288045_000003_000000.wav
|
||
│ │ │ └──...
|
||
│ │ ├── 288046
|
||
| | | ├── 116_288046.trans.tsv
|
||
| | | ├── 116_288046_000003_000000.wav
|
||
│ | | └── ...
|
||
| | └── ...
|
||
│ ├── 1255
|
||
│ │ ├── 138279
|
||
| | | ├── 1255_138279.trans.tsv
|
||
│ │ │ ├── 1255_138279_000001_000000.wav
|
||
│ │ │ └── ...
|
||
│ │ ├── 74899
|
||
| | | ├── 1255_74899.trans.tsv
|
||
| | | ├── 1255_74899_000001_000000.wav
|
||
│ | | └── ...
|
||
| | └── ...
|
||
| └── ...
|
||
└── ...
|
||
|
||
**引用：**
|
||
|
||
.. code-block::
|
||
|
||
@article{lecun2010mnist,
|
||
title = {LIBRITTS handwritten digit database},
|
||
author = {zpw, NBU},
|
||
journal = {ATT Labs [Online]},
|
||
volume = {2},
|
||
year = {2010},
|
||
howpublished = {http://www.openslr.org/resources/60/},
|
||
description = {The LibriSpeech ASR corpus (http://www.openslr.org/12/) [1] has been used in
|
||
various research projects. However, as it was originally designed for ASR research,
|
||
there are some undesired properties when using for TTS research}
|
||
}
|
||
|
||
|
||
.. include:: mindspore.dataset.api_list_audio.rst
|