中英混读语音采集参考规则

录音要求

3.1 录音人要求

要求普通话,英文发音准确符合条件的录音人录制语音数据录音人需通过大学英语四级考试

3.1.1发音标准:

发音清楚,避免说话不清、语速过快和有方言等现象。

例如:“我是北京人”发音为“e4(四声)shi4 bei3 jing1 ren2

这里“我”的发音是属于方言式发音。

3.1.2性别比例:

男女比例为1:1。男女比例可以在1:1的基础上浮动5%(控制在45%55%范围内)。

3.1.3年龄比例:

年龄

比例范围

18~25

65%~75%

26~40

15%~25%

>40

5%~15%

3.1.4地域分布

在录音人寻找的时候应控制在比例

方言区

范围

参考城市举例

比例

北方官话

东北、西北、华北、山东、安徽人等省份北方标准普通话,没有口音

哈尔滨、绥化、齐齐哈尔、长春、沈阳、吉林通辽、北京、呼和浩特、赤峰、保定、石家庄、潍坊、天津、青岛、大连、兰州、银川、乌鲁木齐、南阳、郑州、洛阳、临沂、阜阳、亳州、徐州、运城、西安、西宁等

30%

西南官话

中国西南的四川、重庆、贵州、云南等几乎全部的汉语地区以及陕西南部、甘肃南部、广西北部和湖南西北部、南部

重庆、成都、南充、绵阳、武汉、荆州、襄阳、孝感、遵义、贵阳、昆明、桂林、凉山、常德等

20%

吴语

江浙沪等省份

上海、温州、杭州、台州、宁波、金华、苏州等

10%

粤语

广东广西香港澳门等省份

广州、深圳、东莞、佛山、南宁、玉林、香港、澳门等

10%

闽语

福建、海南、台湾、广东等省份

泉州、福州、厦门、海口、三亚、万宁、台北、高雄、台中等

10%

湘语

湖南省

长沙、衡阳、邵阳、岳阳等

10%

赣语

江西、安徽、湖北等省份

上饶西部、宜春、南昌、吉安等

10%

 

 

 

控制在比例范围内浮动

注意事项

1)口齿清楚,态度认真,避免说话结巴、大舌头、嗓音嘶哑等病理性发音的人。

2)参加录音的人必须事先了解录音要求(录音方法录音环境、朗读要求合格指标)。

3)每人只能录制一份该项目录音。如出现一人录制多份数据现象取消相应报酬。

4)录制人员对录音人的录音号段做好分配,避免号段重复使用。

3.3录音环境

相对安静的录音环境,不能有其他人说话的声音其他噪音无回音。

避免在空旷的场地采集例如:教室、礼堂、厕所、酒店大厅等)

周边噪音关联事项

1)录音人外其他人的声音不采用。如有第二说话人的声音算无效。

2)其他噪音不采用例如:摔东西的声音、喝水声、笑声、翻书的声音、音乐、咳嗽声、车声等。

3.5录音人录音

1普通话为主,每句夹杂数个(大部分在1-2个)英文单词录制完450

2)自然的复述方式,自然流利清晰,禁止压低嗓子录音禁止用耳语方式录音;禁止夸张语气,笑着说话。

3)录音人严禁刻意变声、模仿说话方式

4)说话人语速适中,吐字清楚不能每个字一停顿的说,尽量避免结巴。

5)手机离说话人嘴边距离在20-25厘米为宜。避免喷麦、和耳机采集的情况

6)禁止在没有朗读完毕前抢停,读错字、咳嗽、偶然噪音现象应暂停录制,做准备后重新录制。

7)录音时,尽量以提供的原始句子为准。如果遇到不通顺或错字等影响正常朗读的句子,朗读时可稍作修改。

8)禁止一人多号,录制多个任务。450必须由一录音人完成。

9)朗读应为普通话方式,口音应为当地人自然发音习惯,不要讲方言。

3.6录音合格指标

数据采集完毕,项目负责人员要认真判断数据质量是否达到合格要求,并提醒录音人及时修改,如不满足下指标均按照不合格处理。

相关指标

具体说明

中文普通话夹杂英文

如方言口音较重或发音不清晰数据算无效

450

不够450句算无效

每一句朗读完整

抢停、或开始录制后不发音句子录制不完整的情况算无效

环境安静

过大噪音、有第二说话人、回音等算无效

不同设备硬件问题,降噪处理的方式统一。如果噪音过大也算无效,但是电流声等出现,如果不影响正常声音可算合格,相反有明显算为无效处理。

录音人信息真实有效

录制填写的录音人信息完整、真实相反无效。例如信息填写男、25,实际35女、25

一人录制450

一人录制了多个号段算无效

音频格式完整、正确

格式符合规定16KHz16bit数据无法播放算无效

               非录音人可控因素

音频因录制软件或硬件等非可控因素造成的音频丢帧、卡顿等现象,不记为采集错误。

合格标准按指标全部达标算。

补录及修正事项

录音及转写过程发现的错误整理之后重新录音原始录音人可以重新录音的直接重新录音原始录音人不能重新录音的话采用相同的录音条件、方式和文本语料进行第人录音。

推荐文章

标注案例分享:道路病害图片数据标注项目时间:2021-2-22     来源:曼孚科技无论是水泥路面还是沥青路面,在通车使用一段时间之后,都会出现各种损坏、变形及其它缺陷,这些统称为道路病害。常见的病害类型有:龟裂、坑槽、车辙、松散、沉陷、桥头涵顶跳车、表面破损等等,这些道路病害的存在不仅会影响到道路的正常使用,还会增加潜在的交通隐患,影响行车安全。因此,及时发现并处理道路病害是一件非常现实的需求。以往,发现道路病害主要依赖于人力巡检,随着人工智能计算机视觉技术的发展,目前已经实现通过机器自动检测识别各种道路病害。不过机器本身是并不具备识别各种道路病害的能力,前期机器学习依赖大量标注数据的投喂。因此,今天就分享一例数据标注在道路病害图片标注领域的具体应用。一.项目名称某机构道路病害图片标注。二.项目要求为了机器学习识别道路病害,需要标注大量的病害图片以便训练和验证。三.业务要求☆公路病害分类标注:参见:《JTG H20-2007公路技术状况评定标准》☆城镇道路病害分类标注:参见《cjj36-2016城镇道路养护技术规范》四.技术要求1) 基本原则:☆定检和日常巡检的分开;☆市政道路和公路的分开;☆沥青和混凝土的分开;☆如果一个图片只有一种病害,那么放在单独目录,例:定检公路沥青龟裂xx.jpg。2) 把图片上的所有病害都用多边形标注出来;3) 不同的病害类型和病害要分开标注;4) 标注的结果,每个图片对应一个json格式的文件。五.标注效果以上经过标注后的图片即可用于相关机器学习,满足诸如道路病害检测机器人的需要,减轻道路巡检对人力的依赖,并提高识别道路病害的准确率。

热门文章

        AI人工智能的迅猛发展得以于计算机深度学习技术的快速发展,而说到深度学习技术它又必然离不开底层基础的数据标注。        而在今天对于这种深度学习技术的基础数据标注工作也有相当一大部分人群不知道它到底是怎么个回事?什么是数据标注?数据标注是做什么的?这种问题就连一些从事这方面工作的人也有说不明白的。        要说起数据标注那我们也就不得不说下从事数据标注工作的数据标注员这个群体。人工智能、深度学习”这种名词看似高深莫测非常高大上,但目前提供给机器深度学习的数据标注采集等工作,仍是基于密集劳动力的人工智能数据标注产业。数据标注员和工厂流水线上的操作员也是没有多大区别的,可能有很多人觉得不可思议,但是目前这种情况 确实是事实。        那到底什么是数据标注呢?        要理解数据标注我们先来举个简单的例子:小时候大人教我们认识花朵时会指着花草给我们说 花会好多颜色,具体什么花开什么颜色,那我们就会慢慢记住什么花开什颜色。而人工智能深度学习也是和我们人类认知事物是一个道理。        人工智能深度机器学习的前提也是数据标注员根据不同的图片、语音、文本等数据标识出各种功能标签然后机器学习根据不同标签来认识出不同的事物。        数据标注是通过数据标注人员借助计算机标注工具软件对人工智能学习数据进行加工的一种行为。通常数据标注的类型包括:图像标注、语音标注、文本标注、视频标注等种类。标记的基本形式有标注画框、3D画框、文本转录、图像打点、目标物体轮廓线等。        目前大多数的数据标注工具软件都是支持图像、文本、多边形、视频等多种类型的。        根据全国范围内的不完全统计,目前全国数据标注行业的从业人员已经达到 100万之多。在人工智火热与闪亮的背后,数据标注产业作为做基础的支撑确实处于行业的低端下游的。