中文标注任务规范

《中文标注任务规范》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、群音信息服务有限公司2014年3月9日星期日中文标注任务规范1.标注任务目标²标注任务就是标注声音文件内容，把“内容栏”的文本与音频红框中真实发音修改一致，最终获取到语音正常的声音文件。2.标注任务方式²标注音频数据总分两大类，好数据、坏数据。好数据指发音人是在与系统对话，且语音波形完整、内容清晰的正常数据；坏数据指无效数据；²内容与音频一致指音频发出内容与内容栏文本完全一致（没有错别字）；内容与音频不一致指音频发出内容与内容栏文本不一致，需要人工操作修改一致。详细说明见下表：数据分类子分类标注方式好

2、数据内容与音频一致无需操作完成本条标注，点击“下一句”内容与音频不一致内容栏文本根据声音文件修改一致，点击“下一句”坏数据无点击“标记不可用”或“配置的快捷键”，继续标注群音信息服务有限公司2014年3月9日星期日1.好数据文本录入标准3.1内容文本要与真实音频发音完全一致，不可增减字、错字；人名、小区名、道路名无法确定用字时，录入准确发音的常用字；3.2真实发音为“我去哪哪里呀”，“哪”字有重复，就要忠实地录成“我去哪哪里呀”。另由于口音或个人习惯导致的音变，按普通话标注音录入；3.3多音字或生活中

3、有不同发音的字，也按普通话标注音录入。例如，“办公室”的“室”，有人说成shǐ，有人说成shì，都录成“办公室”；3.4对于儿化音，也要忠实于发音录入。例如，发音是“哪儿”，就录成“哪儿”，没有发出儿化音的，就录成“哪”；3.5发音停顿录入文本连续，不需要空格或添加符号,英文缩写除外；例如，“what’syourname”中的撇号必须是英文状态下录入，特殊符号读法“#”录入“井号键”；“*”录入“星号键”；3.6不允许录入阿拉伯数字，需转换汉字，例如，“1”转”一“或“幺”根据真实发音录入，如读“12

4、0”可录入“幺二零”；也可点击【数字转中文】【数值转中文】进行“阿拉伯”到“汉字”转换；3.7语句中包含英文单词或字母，根据发音录入，字母要大写，字母与字母之间空一格，“单词要小写”，单词与单词之间空一格，汉字与字母或单词之间不需要空格；例如，发音一个字母读“OPPO”则按照字母录入，若是连读“oppo”，则按照单词录入；例如、如“三W点”则根据真实发音录入；3.8语气词用最常用写法，例如嗯，哦，哎，呃，啊，啦，嘞，吗，嘛（陈述句用）等，识别结果有语气词或“干嘛”不影响语义无需修改。2.坏数据判断标准

5、Ø坏数据是指声音文件中出现的非正常语音,语音波形不完整、语音不清晰、纯方言、没有人说话等现象，具体如下：4.1音频无主发音人类型：Ø纯环境噪音；两个人对话、纯人声噪音；纯音乐、说唱；纯人声非语音，例如笑，打喷嚏，咳嗽等；纯机器人的声音；4.2音频有主发音人类型：1)语音波形不完整现象指语句首字音或尾字音被截，打开音频前后无静音段，从听感上首字音或尾字音不完整，此为截断数据；2)发音人语音不清晰类型：例如方言、口音严重，除英语以外其他外语；群音信息服务有限公司2014年3月9日星期日1)发音人录音效果差

6、：发音人喷麦严重，发音人嘘嗓子说话；2)设备噪音类型：QQ滴滴音、手机震动音、log音波形大于主说话人且影响识别结果；3)人声噪音类型：主发音人对系统说话时，把旁边人声音录进去且声音清晰影响识别结果；4)严重上下截幅类型：主说话人声贝高造成波形超出上下边界线且影响识别结果。2014-3-923:16