هذه الصفحة غير متوفرة بلغتك بعد. يتم عرض النسخة الإنجليزية.

Audio-Annotation

Audiodateien segmentieren und Zeitbereichen mit Wellenformvisualisierung Beschriftungen zuweisen.

Audio-Annotation

Potatos Audio-Annotationswerkzeug ermöglicht es Annotatoren, Audiodateien zu segmentieren und Zeitbereichen über eine wellenformbasierte Oberfläche Beschriftungen zuzuweisen.

Funktionen

Wellenformvisualisierung
Zeitbasierte Segmenterstellung
Beschriftungszuweisung zu Segmenten
Wiedergabesteuerung mit variabler Geschwindigkeit
Zoom- und Scrollnavigation
Tastaturkürzel
Serverseitiges Wellenform-Caching

Grundkonfiguration

yaml

annotation_schemes:
  - name: "speakers"
    description: "Mark when each speaker is talking"
    annotation_type: "audio_annotation"
    labels:
      - name: "Speaker 1"
        color: "#3B82F6"
      - name: "Speaker 2"
        color: "#10B981"

Konfigurationsoptionen

Feld	Typ	Standard	Beschreibung
`name`	string	Erforderlich	Eindeutiger Bezeichner für die Annotation
`description`	string	Erforderlich	Anweisungen für Annotatoren
`annotation_type`	string	Erforderlich	Muss `"audio_annotation"` sein
`mode`	string	`"label"`	Annotationsmodus: `"label"`, `"questions"` oder `"both"`
`labels`	list	Bedingt	Erforderlich für `label`- oder `both`-Modus
`segment_schemes`	list	Bedingt	Erforderlich für `questions`- oder `both`-Modus
`min_segments`	integer	0	Mindestanzahl erforderlicher Segmente
`max_segments`	integer	null	Maximale Anzahl erlaubter Segmente (null = unbegrenzt)
`zoom_enabled`	boolean	true	Zoom-Steuerung aktivieren
`playback_rate_control`	boolean	false	Wiedergabegeschwindigkeitsauswahl anzeigen

Beschriftungskonfiguration

yaml

labels:
  - name: "speech"
    color: "#3B82F6"
    key_value: "1"
  - name: "music"
    color: "#10B981"
    key_value: "2"
  - name: "silence"
    color: "#64748B"
    key_value: "3"

Annotationsmodi

Beschriftungsmodus (Standard)

Segmente erhalten Kategoriebeschriftungen:

yaml

annotation_schemes:
  - name: "emotion"
    description: "Label the emotion in each segment"
    annotation_type: "audio_annotation"
    mode: "label"
    labels:
      - name: "happy"
        color: "#22C55E"
      - name: "sad"
        color: "#3B82F6"
      - name: "angry"
        color: "#EF4444"
      - name: "neutral"
        color: "#64748B"

Fragenmodus

Jedes Segment beantwortet dedizierte Fragen:

yaml

annotation_schemes:
  - name: "transcription"
    description: "Transcribe each segment"
    annotation_type: "audio_annotation"
    mode: "questions"
    segment_schemes:
      - name: "transcript"
        annotation_type: "text"
        description: "Enter the transcription"
      - name: "confidence"
        annotation_type: "likert"
        description: "How confident are you?"
        size: 5

Kombinierter Modus

Verbindet Beschriftung mit segmentbezogenen Fragebögen:

yaml

annotation_schemes:
  - name: "detailed_diarization"
    description: "Label speakers and add notes"
    annotation_type: "audio_annotation"
    mode: "both"
    labels:
      - name: "Speaker A"
        color: "#3B82F6"
      - name: "Speaker B"
        color: "#10B981"
    segment_schemes:
      - name: "notes"
        annotation_type: "text"
        description: "Any notes about this segment?"

Globale Audio-Konfiguration

Wellenformverarbeitung in der Konfigurationsdatei einrichten:

yaml

audio_annotation:
  waveform_cache_dir: "waveform_cache/"
  waveform_look_ahead: 5
  waveform_cache_max_size: 1000
  client_fallback_max_duration: 1800

Feld	Beschreibung
`waveform_cache_dir`	Verzeichnis für gecachte Wellenformdaten
`waveform_look_ahead`	Anzahl der vorab zu berechnenden nächsten Instanzen
`waveform_cache_max_size`	Maximale Anzahl gecachter Wellenformdateien
`client_fallback_max_duration`	Maximale Sekunden für browserseitige Wellenformerzeugung (Standard: 1800)

Beispiele

Sprecherdiarisierung

yaml

annotation_schemes:
  - name: "diarization"
    description: "Identify who is speaking at each moment"
    annotation_type: "audio_annotation"
    mode: "label"
    labels:
      - name: "Interviewer"
        color: "#8B5CF6"
        key_value: "1"
      - name: "Guest"
        color: "#EC4899"
        key_value: "2"
      - name: "Overlap"
        color: "#F59E0B"
        key_value: "3"
    zoom_enabled: true
    playback_rate_control: true

Schallereigniserkennung

yaml

annotation_schemes:
  - name: "sound_events"
    description: "Mark all sound events"
    annotation_type: "audio_annotation"
    labels:
      - name: "speech"
        color: "#3B82F6"
      - name: "music"
        color: "#10B981"
      - name: "applause"
        color: "#F59E0B"
      - name: "laughter"
        color: "#EC4899"
      - name: "silence"
        color: "#64748B"
    min_segments: 1

Transkriptionsüberprüfung

yaml

annotation_schemes:
  - name: "transcription_review"
    description: "Review and correct the transcription for each segment"
    annotation_type: "audio_annotation"
    mode: "questions"
    segment_schemes:
      - name: "transcript"
        annotation_type: "text"
        description: "Enter or correct the transcription"
        textarea: true
      - name: "quality"
        annotation_type: "radio"
        description: "Audio quality"
        labels:
          - "Clear"
          - "Noisy"
          - "Unintelligible"

Tastaturkürzel

Taste	Aktion
`Space`	Abspielen/Pausieren
`←` / `→`	Rückwärts/vorwärts spulen
`[`	Segmentstart markieren
`]`	Segmentende markieren
`Enter`	Segment erstellen
`Delete`	Ausgewähltes Segment entfernen
`1-9`	Beschriftung auswählen
`+` / `-`	Hinein-/herauszoomen
`0`	Ansicht anpassen

Datenformat

Eingabedaten

Die Datendatei sollte Audiodateipfade oder URLs enthalten:

json

[
  {
    "id": "audio_001",
    "audio_url": "https://example.com/audio/recording1.mp3"
  },
  {
    "id": "audio_002",
    "audio_url": "/data/audio/recording2.wav"
  }
]

Das Audiofeld konfigurieren:

yaml

item_properties:
  id_key: id
  text_key: audio_url

Ausgabeformat

json

{
  "id": "audio_001",
  "annotations": {
    "diarization": [
      {
        "start": 0.0,
        "end": 5.5,
        "label": "Interviewer"
      },
      {
        "start": 5.5,
        "end": 12.3,
        "label": "Guest"
      },
      {
        "start": 12.3,
        "end": 14.0,
        "label": "Overlap"
      }
    ]
  }
}

Im Fragenmodus enthalten Segmente verschachtelte Antworten:

json

{
  "start": 0.0,
  "end": 5.5,
  "transcript": "Hello and welcome to the show.",
  "quality": "Clear"
}

Unterstützte Audioformate

MP3 (empfohlen)
WAV
OGG
M4A

Bewährte Vorgehensweisen

Wellenformen vorab cachen - Serverseitiges Caching für große Datensätze verwenden
Wiedergabesteuerung aktivieren - Variable Geschwindigkeit hilft bei präziser Segmentierung
Tastaturkürzel verwenden - Wesentlich schneller als Klicken
Klare Grenzen definieren - Festlegen, was den Anfang/das Ende eines Segments ausmacht
Geeigneten Modus wählen - „label" für Klassifizierung, „questions" für detaillierte Annotation
Segmentlimits setzen - min_segments verwenden, um vollständige Abdeckung sicherzustellen