自然对话标注规范

《自然对话标注规范》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、自然对话标注规范看完之后找我要语音，价格150元一个小时1、标注之前需要进行的工作1）确定你所拿到的语音是否为电话录音（而不是两个人而对而聊天录音），是电话录音才进行标注，不是电话录音的此语音作废。2）不能是讲故事、说相声或者念课文等等3）确定所要标注语音的近端音（一般会在文件夹中的txt文档中显示）。4）关于什么是近端音，用一个例子解释：甲和乙进行手机通话，甲的手机安装了录音软件，在通话过程中将语音录了下来，那生成的录音小甲说的话就是近端音，乙说的话是远端音。5）1、语音是否合格问题。标注员在标注的过程中要注意一下语音是不是合格，避免口做工。语咅核查标准

2、有三：格式上，语咅的比特率是256kbps；类型：媒体文件位速:t56kb»大小：11.9业内容上，第一，双人电话录音；第二，自然聊天对话。2、是否标注需要标注的是近端音，不需要标注远端音，远端音切掉即可。3、是否有效（此条规则针对近端音，近端音又分为有效音和无效音）：无效的不用管，什么也不用标注判断是否为有效或无效语音的原则：1）语音重叠问题。远端音和近端音说话重叠时（也就是两个人说话重叠的部分）切掉，标为无效。2）如果一句话声音极小，小到几乎听不到，则标注为无效。3）如果一句中只含有噪声或者静音，则标注为无效。4）如果只有一个“嗯”、“啊”、“哇曝”、

3、“喂”等，则标注为无效。5)一句话有听不清楚的部分，写不出止确结杲的情况下，切掉标为无效即可，注意尽量不要截再波峰上。4、语音内容及切分：1)•一句话尽量切为10-15个字左右，长句子要从停顿的位置切分开，并尽量保证句意完整。句了首尾尽量留200-300ms静咅段，如本身没有这么长静音的情况下不强求。2、静音处截断问题。在切分语音的时候保证切分点在静音段上，也就是说不要切在音节上。标注时不需要加标点符号，有断句处用空格隔开即可.2)•两个人先后说话没有重叠的要切分开。4)・语咅内容必须和听到的语咅完全一致，不能多字、少字、错字。5)・阿拉伯数字要写成汉字形

4、式，如“一二三”，I何不是“123”。注意区分“一”和“幺”。“二”和“两”6)・标注屮只能含有屮文、英文以及英文屮特殊符号，如rm屮的,。如果符号被读出，则根据发音需写成相应汉字或英文。例如“0'读“at”时要写为“AT”，“.com”读成“点com”时要写成“点COM”7)•语气词：音频中说话人清楚地讲出的语气词，如“呃啊嗯哦唉呐”等，要按照正确发音进行转写。语气词除了“了不”没有口字旁，其他基木上都有口字旁。8)・标注内容的完整性要与实际发音一•致，不得删减。9)・说话人发咅不标准的时候，要按这个咅的标准发咅来标。10)•网络用语，huiji,要写成

5、灰机，jiangzi要写成酱紫，网络用语按照网络用语写12)・有的咅找不到对应的汉字，标成无效。(特殊情况，“duang〃这个音没有对总结，只要口己听不懂的就切掉，只标注听得懂的。5、文字内容中的噪音标记(有效近端音中出现噪音才标记出来,其他情况不用标记噪音)：:表示说话人的各种非文木内容的噪声信息，包括唇咂嘴，咳嗽，清嗓子声，啧啧声，笑声。:非人发岀的声音，主要是一些偶然出现的噪声，例如:鼠标操作声音，敲击键盘的声音等。:稳定的噪声，主要是录音环境的一些非偶然噪声，例如周围音乐,风声，空调声等。:非说话人的周围人发

6、出的噪音，包括唇咂嘴，咳嗽，清嗓子声，啧啧声，笑声。问：噪咅符号什么时候加？答：明显的噪音11作为独立的声音段时才加(说话同时的噪音不用加，不明显的噪声也不用加)。例1：A说完“今天”后笑了下，继续说“我去吃饭了”，那么标为“今天我去吃饭了”例2：A说话吋，周围产生了噪音，那么因为噪音不构成独立声音段，所以不需要标噪咅符号。例3：如在整个语音都存在音乐声比较明显，同时开头和结尾存在静音段情况下，在开头结尾处加上。（如果开头和结尾没有静音段，则不用加,咅乐声不明显也可以忽略不加。）6、遇到远近端咅分辨不清或者其他实在无法确定的情

7、况，就不标了，千万不能乱标。记住耍在你标的那个文件夹里面建一个文档，注明这个文件夹里哪条语咅存在问题，因为什么原因没有标注。7、每个提交的语音包有两次免费质检的机会，质检三次或三次以上，每增加一次扣除5%的质检费。四、标注准确率要求：按句统计标注准确率要求达到95%以上。请严格按照此标准进行标注。