简单tag语音标注规范、常规性问题及标签分类及用法

简单tag语音标注规范、常规性问题及标签分类及用法

文本标注​

文本层需要标注的是其语音所对应的文字，数据切分为语义表达完整、说话人单一的句子（文本重点验收部分）​

截取问题​

断句散的问题：同一个说话人最长截取可以到15s且保证截取段内没有大于0.5s的空白（静音停顿可小于0.5s。其他标签声音可小于0.3s。）。​

预留问题：前后保证不切音的情况下无预留。​

正确的截取方式：​

​

错误的截取方式：​

信息层的标注​

区分说话人性别和编号。​

不用按照出场顺序标注说话人编号，不同说话人使用不同的编号即可。​

数字的标注：​

如果是汉语交谈，则只能用简体中文。对于语音中的数字部分需根据发音情况转换为对应的汉字，例如“27”“二十七”；“我的电话是2381832”“我的电话是二三八幺（与发音相同）八三二”。

标签的使用​

标注格式：标签在前“标签+内容”/“标签”，具体参考如下：​

时长超过0.3的标签都需要单独截取标注，不足0.3s的噪音/纯静音/相对静音，都空着不截取不标注。​

标签分类及用法

注意点： ​

1、保证不切音的情况无预留 ​

2、有大于0.3s明显声音的地方都应该截取标注 ​

3、为保证句意完整，在时长要求范围内，句中静音停顿可小于0.5s。其他声音可小于0.3s。 ​

4、无法确定噪音是背景人声或者人声噪音时，统一标注非人声噪音符号noise ​

5、整句无可标注文本时可直接无效丢弃（整句方言、听不懂内容、音乐、tts等）​

6、当两截取段文本中间噪音时长小于0.3s，可以前后分摊，不允许有非静音部分未截取