关于demo.ipynb的一些问题

[IndowK]

作者您好，我的代码基础比较一般，在运行demo.ipynb的时候，我对以下代码感到疑惑： sbmt_i = metadata[0] emb_org = torch.from_numpy(sbmt_i[1]).to(device) x_org, f0_org, len_org, uid_org = sbmt_i[2] 我大概理解了一下，sbmt_i代表的是原说话人的语音信息，sbmt_i[0]指的是说话人身份，sbmt_i[1]指的是一个one-hot编码（我不太理解这个编码的用处），sbmt_i[2]是一个四维的元组，分别代表mel信息，f0信息，mel曲线和f0曲线的长度，uid 我想知道这个uid是怎么获得的，它是什么含义？ 以及我想知道x_org, f0_org的获得方式。 希望得到您宝贵的回复！

[auspicious3000]

uid是utterance id，相当于文件名 x_org和f0_org的计算方式在make_spect_f0.py里面

[IndowK]

感谢您的回复！ 我还有一些不明白的地方：1、用于训练的数据集是拼接后的音频，那训练的时候会用到uid吗？2、您提供的demo.pkl中的两个说话人的uid都是003002，这个意思是说话人的第三个语音文件中的第二个语句吗？

[auspicious3000]

1.用不到 2.是的

[IndowK]

感谢您的回复！ 我还有一些问题：demo.pkl中的one-hot向量，是由makemetadata中的这段代码生成的吗？： for speaker in sorted(subdirList): print('Processing speaker: %s' % speaker) utterances = [] utterances.append(speaker) , _, fileList = next(os.walk(os.path.join(dirName,speaker)))

# use hardcoded onehot embeddings in order to be cosistent with the test speakers
# modify as needed
# may use generalized speaker embedding for zero-shot conversion
spkid = np.zeros((82,), dtype=np.float32)
if speaker == 'p226':
    spkid[1] = 1.0
else:
    spkid[7] = 1.0
utterances.append(spkid)

以及： 我想知道为什么除了p226的说话人，其他的说话人的one-hot向量都相同？ 我在构建我自己的demo.pkl的时候，one-hot向量要与训练时保持一致吗？

[auspicious3000]

因为demo里只有两个人

需要一致