ddxdyyss数据标注规范 2.docVIP

DHXD数据标注规范 内容栏 内容栏里面文字严格要求与听得的内容一样，不可以多字少字错字，如果有多字少字错字直接在原来的基础上修改。 发音人说话只说了一个汉字并且这个汉字是歌曲名，例如：问 痒 等等，我们在内容栏把它标注出来。 3.发音人只说了歌手名（刘德华）；或者只说了歌曲名（中国人）；或者说的是歌手名和歌曲名（刘德华的中国人）；或者是在歌手名和歌曲名前后加了些修饰词的（我想听那个刘德华的中国人，刘德华的中国人这首歌帮我搜一下），像这样的都需要在内容栏标注出来。 4.发音人说话的内容是某个音乐专辑名称（十一月的萧邦）；或者是某个电视剧的主题曲（天龙八部的主题曲）；或者是电视剧名称（白蛇传）；或者是电影名称（私人定制）；或者是音乐类综艺节目（中国好声音）；或者是音乐种类（DJ音乐，藏族歌曲）；像这样的都需要在内容栏标注出来 5.发音人说的是歌曲名A（一万个舍不得）和歌手名B（王菲）但是歌手名B（王菲）不是歌曲名A（一万个舍不得）的原唱，这样的数据正常标注出来（一万个舍不得王菲） 6.发音人说话模糊不清，发音人的语音听得既像是A（张姐），又像是B（张杰）。这样的数据就按照他所要表达的正确语意来标注。（如张杰和张姐，标注张杰） 7.发音人说话内容是英文： 1）英文字母大写字母与字母之间不用空格，（BY） 2）英文单词小写，单词与单词之间空一格，没有手写字母大写要求。（someone like you） 3）英文单词或者字母与汉字不用空格直接连写（BY二） 8.发音人说话中途停顿的，标注的时候不用空格直接连写 9.发音人说话内容出现阿拉伯数字的要转化为汉字，例如：1314得转化为一三一四（可以点数字转换） 拼音栏（第四批数据开始标注） 拼音根据文本自动生成1、2、3、4、5五种读音，5是我们所说的轻声 1）拼音修改准确 2)只修改红色字的拼音，黑色默认不用修改，（十一年 shi2 yi1 nian2） 3）由于发音人的轻微口音导致的音变根据上下文知道正确读音的，按照正确的读音来标注 4）由于多音字导致音变按照正确歌手名（歌曲名）来读音表注（那些年读成了na1 xie1 nian2，标注成na4 xie1 nian2） 标签栏不用标注 坏数据 1） 左右截断/发音人的声音中途被截/断续音无法听清内容/与音乐无关； 2） 整句纯环境噪音，纯方言，纯人声噪音；唱出来的或歌词内容； 3） 说话只说一个字母；说英文听不清或听不懂的； 4） 整条音频声音异常、喷麦严重、说话不清楚、虚着嗓子说话的； 5） 发音人声音小无法听清内容、发音人语速极快听不清内容、；发音跑偏厉害（常回家看看发成床肥家看看） 6） 音频整句是系统播报音即机器人的声音，例：公交车报站音、银行叫号音，语点声音等； 7） 歌手名或歌曲名不完整（郭富或富城 爸爸去哪或者爸去哪儿 ） 歌手名或歌曲名中间有重复（刘德德华 新娘不不是我） 8） 人声噪音/环境噪音/设备噪音/人声非语音（笑、哭、咳嗽、清嗓子等）/背景音乐，声音偏大影响到识别 9） 除英语以外的其他外语（如日语、韩语、泰语等），口音严重