语音数据文本标注规范V2.0【无效-文本2项】20150206定稿）.docVIP

语音数据文本标注规范V2.0 【无效-文本2项】1、标注规范 共标2项（无效、文本） 文本正确率：95% 无效正确率：95% 1.1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、听不清楚的整句 有效：其它都是有效 1.2修改文本 按钮显示： 文本书写规范 基本原则 1、听声音写文本，不用管声音中的干扰噪音，只需写发音人说的话。 2、正确理解语意，符合保险客服正确语意，且文本写出来通顺。发音停在不完整词的，要通过删减或补充，使其句意正确且通顺。 无错别字。不知道该怎么写的字，要查字典，不能用同音字替换； 自检方法： 每句写出的文本一定是：写出来的文本句意一看就是通顺的，没有不完整词 或听不清楚的半句是#，但不能是：字+#+字。 整句能听懂意思的，必须能写多少写多少，不可随意删除一部分。 详细规范 文本写成简体字，不要繁体字。 如本人讲话带有口音，则要写成对应普通话的字。 阿拉伯数字要写成汉字的形式;注意：“一”和“幺” 5）“儿”字，实实在在发出的，必写“儿”，如：女儿。 儿话音的，可以不写“儿”，也可以写“(儿)”。 例如：发音：我得了5分儿，文本可写成：我得了五分(儿),或：我得了五分。6）英文：说单词的写成单词，整个单词要小写。说字母的写成字母，要写成大写。英文单词发的不标准，如能听出是哪个单词，就写单词。注意：QQ、MSN，是字母发音，要写成大写。 7）笑着说的，能听清楚说什么，就写什么。 8）文本中标点符号不作要求。 二、发音有问题的： 1）声音中有听不清楚或听不懂，需猜出来。猜的原则： 句首末：含猜不出来的一、两个音的可以丢弃，或补充一个字或词让其通顺。 句中：字猜不出来，必须猜出来，或可以不同音的另一个词补充，但必须句意正确且通顺。 可丢弃的例句： 发音：七，我想办理移动加油包。文本处理：应去掉“七”。 发音：我想办理移动加油包，那 文本处理：应去掉“那”。 不完整词，应修改的例句： 发音：我想办理移。文本处理： “我想办理”，或“我想办理移动”。 不要猜非保险句意的字，例句： 发音：我想办理加油包，文本写为：我想办理炸药包。明显是错句。 2）一句话中部分字怎么都猜不出来，剩下能听到的部分是没有关联的几个词，请造句为招商相关话让其通顺。 3）结结巴巴的，及口语不连贯的情况，不用与发音一致，直接写发音人想说的通顺的语意对应的字。单字重叠的是结巴。 例如：我我想办理移动加油包。写成：我想办理移动加油包 混音情况 ： 如果有两人混音的，以其中一个说的多的人的话为准写字、或写出两个人的话都可以，整句通顺为准。 三、注意“口语”发音无问题 1、注意：下面句子，不要误认为是结巴。不需要删字。 “哈哈哈”“好好好”“嗯嗯嗯”“哦哦”“好的好的” 这种正常通顺口语也会使用的词语，这不叫结巴，就是正常的口语说话，如果听的清楚就要写全 普通话与口音对照参考表： 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） 1