中文标注任务规范.docVIP

好消息：科大讯飞勤工助学正式启动！标注平台里，你通过完成标注任务获得积分，将积分兑换成钱，工作人员会在2个工作日内将钱打入你的账户。在学校就能赚钱，还能锻炼自己，何乐而不为呢？ 如果你有意向，请私下发给我几个信息，以便公司的需要和核实。姓名、性别、年龄、手机号码、QQ、学历、职业、城市。请统一编辑好，回复一下，谢谢！机会难得！ 学，不会??16:35:39姓名：黎静???性别：女???年龄：21学，不会??16:36:10?手机号码?QQ:770719116学历：本科?职业：学生??城市：合肥 余徐兵，男，221083654785，本科，学生，合肥 石玉婷 性别女 年龄22 手机号 qq：1252717512 学历：大专 职业：学生 城市：合肥 中文标注任务规范 标注任务目标 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。 标注任务方式 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； 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 好数据文本录入标准 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； 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； 多音字或生活中有不同发音的字，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”； 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”； 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’s your name”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”； 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“120”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； 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“O P P O”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； 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。 坏数据判断标准 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： 音频无主发音人类型： 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； 音频有主发音人类型： 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； 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； 发音人录音效果差：发音人喷麦严重，发音人嘘嗓子说话； 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； 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； 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。 2014-3-9 23:16 群音信息服务有限公司 2014年3月9日星期日