你好，我是PyTorch的新手，我想做一个简单的语音识别，但我不想使用PyTorch。数据集我有一些数据集的声音，但我找不到任何地方可以帮助我。
我想使用.wav文件。我看过一个教程，但他使用了pytorch数据集。
import torch
from torch import nn, optim
import torch.nn.functional as F
import torchaudio
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
from torchaudio.datasets import SPEECHCOMMANDS
import os
class SpeechSubset(SPEECHCOMMANDS):
def __init__(self, subset, str=None):
super().__init__("./", download=True)
def load_list(filename):
filepath = os.path.join(self._path, file.name)
with open(filepath) as fileob:
return [os.path.join(self._path, line.strip())]
if subset == "validation":
self._walker = load_list("validation_list.txt")
elif subset == "testing":
self._walker = load_list("testing_list.txt")
elif subset == "training":
excludes = load_list("validation_list.txt") + load_list("testing_list.txt")
excludes = set(excludes)
self._walker = [w for w in self._walker if w not in excludes]
train_set = SpeechSubset("training")
test_set = SpeechSubset("testing")
waveform, sample_rate, label, speaker_id, utterance_number = train_set[0]
对不起，我的英语不太好。
编辑
我使用的是SPEECHCOMANDS数据集，但我想使用我自己的
谢谢你的阅读。
由于您正在谈论语音识别和pytorch，我建议您使用一套完善的工具，而不是从头开始执行与语音相关的培训任务。
github上的一个好回购是Espnet。它包含了一些关于文本到语音和语音到文本模型的最新工作，以及在不同语言的流行开源数据集上进行训练的现成脚本。它还包括供您直接使用的经过训练的模型。
回到你的问题，如果你想使用pytorch在你自己的数据集上训练你自己的语音识别模型，我建议你使用这个Espnet Librispeech ASR配方。尽管它使用.flac文件，但对数据准备脚本进行一些小的修改，并更改主条目脚本asr.sh中的一些参数，可能会满足您的需求。
请注意，除了了解python和torch之外，espnet还需要您熟悉shell脚本。他们的asr.sh脚本相当长。对于那些对一个特定型号的最小pytorch代码更满意的人来说，这可能不是一项容易的任务。Espnet设计用于容纳许多模型和许多数据集。它包含许多预处理阶段，如语音特征提取、长度滤波、标记准备、语言模型训练等，这些都是良好的语音识别模型所必需的。
如果你坚持你找到的回购。您需要编写一个自定义的数据集和数据加载器类。你可以参考pytorch数据加载教程，但这个链接使用图像作为例子，如果你想要一个音频例子，可能来自一些github repos，比如深度语音pytorch数据加载器