客服录音数据标注规范〔完整版〕.docx

客服录音数据标注规范（完整版） 用谷歌浏览器（至少32.0以上版本）来标注。其他浏览器或低版本谷歌浏览器可能出现部分文件播放不了的问题。 质量要求： 文字错误率：3%以内 注：文字错误率指语音内容标注错误，只要有一个字错，该条语音就算错。 其他错误率：5%以内 注：综合错误率指：除了语音内容以外的其他标注项错误，只要有一项错，该条语音就算错。 客服语音内容说明： 都是鲜百味公司和客户的电话语音，公司主营业务是卖海鲜，所以大部分内容都是关于海鲜（如大闸蟹）的购买、礼品券、配送等方面。 1. 当前语音是否包含有效语音 无效语音（即不包含有效语音）的类型： 文件播放不了； 音频全部是静音或噪音； 许多地方听不清或者听不懂，例如，方言太重、噪音太大、音量过低等。 两个人同时说话超过3个字（包括3个字）并且听内容不清楚的或者噪音声音盖住说话人声大于3个字（包括3个字）导致内容听不清楚的 当前语音的噪声情况 如果能听到明显的噪音（噪音指说话人正常说话外的其他声音），则选择“含噪音”，否则选“安静”。 常见噪音举例（但不限以下）： 其他人说话声 背景音乐声 动物叫声 汽车滴滴声 咳嗽声 明显的电流声 说话人数量（即标注的语音内容是几个人说的） 一人说话（主体说话人）：只有一个人说话 多人说话：有多个人说话（因为是客服语音，一般是两个人） 说话人性别 如果有多个人说话，则标第一个说话人的性别。 标注项： 男 女 是否包含口音 如果有多个人说话，则标第一个说话人是否有口音。 标注项： 否：无口音 是：有口音 有口音是指说话人发音的拼音或声调和正确发音的不一致。常见情形包括：l和n不分，h和f不分，n和ng不分，e和uo不分，前后鼻音，平翘舌，以及其他情况。 语音内容 如果两个人同时说话，以主体说话人声音大的为准来转写文字。 如果一条语音中，低于3个字有两个人同时说话，并听不清楚的，将听不清的部分用“[d]”表示。 如果一条语音中，低于3个字部分噪音太大，盖住说话人声音导致听不清的，将听不清的部分用“[n]”表示。 文字转写具体要求： ???音内容必须和听到的语音完全一致，不能多字、少字、错字。 阿拉伯数字要写成汉字形式，如“一二三”，而不是“123”。注意区分“一”和“幺”。“二”和“两” 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，其他基本上都有口字旁。 转写内容的完整性要与实际发音一致，不得删减； 如发音为：我是北 北京人；“北”字有重复现象，那转写的时候要写成：我是北，北京人。 英文比较复杂，转写的原则是：按字母读的情况（如缩写词，网址等）一律大写，按词读的则小写，例如“APPLE”表示用户是逐个字母念的，“apple”表示用户按单词念的。 明显的儿化音必须标注出来