通用语音数据标注规则


2、标注规范 ——3项(文本、无效、性别)

 

 注: 文本正确率:95%     其它(无效+性别)正确率:95%

 

注:一定不要多字、漏字!!

2.1性别

类别

分类

定义

性别

童声

童声指小孩非常稚嫩的声音,大概是在5岁以下的范围。大孩子的声音归到男女。

其他

没有人声,或者男女混声的统一规为其他

 

注:女生之间的对话性别是女,男生同理;只有男女相混的对话是其他

2.2判断是否为无效语音

无效:

1、主体人声音的前面、或后面、或中间:有一段安静或噪声等非人声 ,长度在2秒以上(宽条是0.3秒)。

【注意整句无人声的不是无效】

2、声音是转格式转错的。

无效语音,直接打勾,文本不用修改。

3.全英文的句子听不懂标无效

有效:其它都是有效

 

2.3修改文本

标注文本,目的是耳朵听到“普通话或带口音的普通话”标成普通话文本,严重听不懂“方言”,可标注#

2.3.1标注#的情况

(1)听不懂、听不清的词或方言标注#

(2)英语语句中,听懂的单词标注出来,听不懂的标注#

3)除英语外其他国语言#,发音如“萨瓦迪卡”,“阿尼哈塞呦”等必须标#

4)粤语标注#

5)噪音标注#

6)遇到拼音标注#,如“阿啵呲嘚”等拼音

7)整句无人声,只有噪音,不超过2S的标#,如一个人整句咳嗽声

 

注:

#可以代表一个字不清楚或者几个字不清楚;

一句话中可以出现最多两个#,但不能 同时  ##  这种形式出现;

最多可以 #文本# 这种形式出现;

2.3.2姓名问题

(1)姓:必须标注正确,确定是有这个姓

2)名字:名字可以打同音字

 

2.3.3地名问题

(1)省市等较大地名必须查清楚,不能出现错字:如浙江省无锡宜兴市

 

2)较小的地名,如村镇以及道路、小区等可标注同音字。

 

2.3.4数字问题

1)听到的阿拉伯数字写成汉字,如“一二三四五”或“幺二三四五”

 

2.3.5儿化音问题

(1)带儿话音的,可以写出“”字,并且加括号;或者直接不打儿化音,皆可
例如:我得了5分儿,文本要写成:我得了五分(儿)/我得了五分


注意:不是儿化的不用加,如女儿,婴儿等不是儿话,就不能加在“儿”字上加括号。

 

2.3.6语气词问题

(1)注意口语的字口语中,结结巴巴说出的,要写出对应接接巴巴声音的字。

 

(2)口语中,“嗯”、“哦”、“啊””等,要准确对应文本。例:声音“呀”,不能写成:“啊”

 

2.3.7英语相关问题

(1)单词:英语单词,整个单词要小写。如“happy

 

(2)字母:说字母的写成字母,要写成大写。如“A  B  C  ”。注意:QQ、MSN,是字母发音,要写成大写。

 

注:英文单词发的不标准,如能听出是哪个单词,就写单词。

整句都是英文句子的情况:

一句话中发音不清楚的单词,标#,发音清楚的单词必须写出单词

整句英文都听不清楚时,标为无效,不要整句标为#。

英文用中文谐音写出来的,算错。如:black 写成 布莱克 算错

一些地名,人名按英文读的,需要写英文,如:I am gonging to shanghai  不能写成“上海”

其他国语言,发音如“萨瓦迪卡”,“阿尼哈塞呦”等必须标#

 

 

2.3.8混音问题

混音包括3类:

1、当前电话通话的两个人同时说话,相混

2、当前人声与较亮或尖锐的音乐声(如铃声、汽车喇叭)相混

 

混音部分的标注方法:

1)如果非主体人插话不影响对主体人说话的理解,标注员可以听出主体人说话的字,则要求写字。(不要出现一个音对应两个字)

例如:非主体人插入的话,音量小、字数少,可忽略当成没听见。

 

2)如果非主体人插话,造成标注员已听不出主体人混音部分的字,则要求混音部分标#

 例如:非主体人插入的话,由于音量过大相混在一起,听不清主体的话,混的部分写#

 

3)如果音乐声相混,不影响对主体人说话的理解,标注员可以听出主体人说话的字,则要求写字。

如果音乐声相混,造成标注员已听不出主体人混音部分的字,则要求混音部分标#

3:增加#的情况

人声中出现突然间的大噪音且与人声不相混,包括铃声、叮声、咳嗽、扑话筒、有大的音乐背景等,写1个#。

人声前边或后面出现一片乱乱的小声说话、持续的背景噪音,写#和不写#都可以。

注意:安静的静音处,不能写#。

 

 

2.3.9 标注页面蓝条与黄条使用

 

蓝条和黄条的功能有3个

1尺子,表示0.3秒,可以用于量取2秒判断无效。

2选中功能。选中的是播放蓝条最左端到黄条最右端的声音。当语速特别快时,建议分段选中去听,写下文本,正确率会提高。

3确定#在哪儿出现。

 

 

 

标准普通话与带口音的普通话对照表:

类别

定义

特例

举例说明

无口音

拼音、声调都正确

轻口音

拼音对,声调不对

n和l不分;

n和ng不分;

z/c/s和zh/ch/sh不分

属于轻口音

那个,发音:la4 ge5(标准na4 ge5 )

电信,发音:dian4 xing4(标准dian4 xin4)

平时,发音:pin2 shi2(标准ping2 shi2)

政治,发音:zeng4 zi4(标准zheng4 zhi4)

刚才,发音:gang1 chai2(标准gang1 cai2)

重口音

拼音不对

(n和l不分;n和ng不分;z/c/s和zh/ch/sh不分)除外

湖南,发音是 fu2 nan2(标准hu2 nan2)

歌曲,发音是guo1 qu3(标准ge1 qu3)

 

推荐文章

数据标注员成就了今天的人工智能,为什么说AI对人类劳动力来说是个好消息盖蒂盖蒂人工智能(AI)在未来的工作中扮演什么角色?从目前的趋势来看,它将使企业更智能,流程更高效,体验更个性化,客户更满意 - 尽管这并不能阻止那些有先见之明的Cassandras做出更可怕的预测。为了听取他们的讲话,一个新的大师类天才机器将逐渐但不可避免地从一个接一个的职业取代人类,直到我们大多数人闲置和贫困。我相信现实并不是那么反乌托邦 - 但它可能同样具有变革性。这不是第一次将技术创新视为对人类劳动的至高无上或必要性的威胁。在缝纫机发明四十年后,第一家机器制衣厂被工人们害怕失去工作而被烧毁。当然,今天全球服装业雇佣了大约4000万人。同时,缝纫机的商业化使消费者能够更有效地制作和修补自己的衣服,有助于增加对织物的需求,扩大普通人的衣橱,并使以前辛苦的手动任务更快更简单地完成。恐惧是这些可怕预测的根源。人们担心机器会从人类中获取工作或者超越我们,从而彻底取代我们。我相信现实是,通过教这些机器来接管我们日常的日常任务,我们给予自己更多的自由和灵活性,在我们的领域保持领先,并为自己提供更多的个人和职业发展机会。缝纫机和人工智能系统之间存在明显差异,但在我看来,他们有朝一日都会证明反思恐惧和毫无根据的假设无法预测革命性技术的未来。也不是天上掉馅饼的幻想 - 我们还没有飞行喷气背包去工作或以药丸的形式吃饭。重要的是要清楚地了解人工智能跨行业的潜在好处,以了解如何最好地进行。让AI为我们工作,而不是相反AI是一种工具。从锤子到启发式分析引擎的任何工具都可以使其用户更加高效,高效和高效。人工智能系统可能会从人类的手(或大脑)中完成某些任务,但我相信它会使人类更有效,而不是更少的必要。例如,AI的一个主要用途是模式识别。在安全上下文中,这可能意味着发现IT环境中的异常活动或行为可能表示存在违规行为。如果没有人工智能,你需要投入更多的人工来发现这些异常现象,但你也会发现更少的异常情况,减少违规行为并减少故障中的漏洞。同时,该业务受到更多损害。这对员工来说最好吗?现在将AI和机器学习技术添加到安全团队的工具库中。利用这些工具在后台寻找异常和威胁 - 利用我们教过的技能 - 安全和IT专业人员可以专注于更全面的安全方法。特别是,通过使技术更加智能化,我们可以解决每个企业安全态势中最薄弱的环节:人的因素。更智能的系统创造了更简单,更安全的工作体验。智能数字工作区可以包含更少的登录步骤(因此人们不会想要在Post-Its上使用快捷方式或写密码),无需将白名单或黑名单应用列入白名单(这种做法与IT员工一样讨厌) ,允许通过公共网络的安全连接(对于那里的星巴克Wi-Fi战士)等等。AI也有助于提高生产力。一个 普华永道的一项研究 发现,到2030年,人工智能有可能将全球经济的生产力和GDP潜力提高26%。在安全的情况下,AI使团队的努力更加成功,而不会取消他们的工作。作为可能产生更大影响的二阶效应,它还可以通过提高人们工作方式的效率和灵活性,使整个员工队伍更加有效。当人们可以在更多场景中更轻松地工作时,他们可以为业务带来更大的价值,有助于刺激增长,从而实际上可以增加公司对劳动力的需求。从这个意义上说,人工智能不会取代人,它会使人们充满活力 - 这对整个组织都有好处。随着人工智能的补充和增强计算的人性因素,您可以在整个组织中看到这些战略优势。通过自动执行平凡的任务并消除错误,AI可以提高业务效率。通过从当今令人眼花缭乱的设备和连接矩阵产生的大量数据中获取洞察力,它可以帮助我们做出更明智的决策,为企业,工人和客户带来好处。通过帮助我们跟上数字化转型的闪电步伐,它可以让我们通过主动解决问题和智能策略来管理风险,以防止漏洞发生。在更高的层面上,我相信人工智能对解决目前困扰我们经济的巨大人才短缺至关重要。我们需要技术来减轻人类的平凡任务,因此我们可以专注于推动业务发展的更高层次的任务。对于竞争那里的人才的个别公司 - 特别是那些我们一直听到的千禧一代 - 智能工作场所技术对于赢得人才战争至关重要。人们越来越期望他们应该能够以他们想要的方式,他们想要的地点和时间工作。AI可以在不影响安全性的情况下提供灵活性,因此人们可以获得现代工作体验,帮助他们做最好的工作并拥有最好的职业。人工智能不会崛起并接管世界。它学习我们教它的内容 - 我们正在教它我们希望我们的未来工作看起来像:安全,灵活,高效和高效。

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。