Annotation audio

Segmentez des fichiers audio et attribuez des étiquettes aux régions temporelles avec visualisation de forme d'onde.

Annotation audio

L'outil d'annotation audio de Potato permet aux annotateurs de segmenter des fichiers audio et d'attribuer des étiquettes aux régions temporelles via une interface basée sur les formes d'onde.

Fonctionnalités

Visualisation de forme d'onde
Création de segments temporels
Attribution d'étiquettes aux segments
Contrôles de lecture avec vitesse variable
Navigation par zoom et défilement
Raccourcis clavier
Mise en cache côté serveur des formes d'onde

Configuration de base

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"

Options de configuration

Champ	Type	Défaut	Description
`name`	string	Obligatoire	Identifiant unique de l'annotation
`description`	string	Obligatoire	Instructions affichées aux annotateurs
`annotation_type`	string	Obligatoire	Doit être `"audio_annotation"`
`mode`	string	`"label"`	Mode d'annotation : `"label"`, `"questions"` ou `"both"`
`labels`	list	Conditionnel	Obligatoire pour les modes `label` ou `both`
`segment_schemes`	list	Conditionnel	Obligatoire pour les modes `questions` ou `both`
`min_segments`	integer	0	Nombre minimum de segments requis
`max_segments`	integer	null	Nombre maximum de segments autorisés (null = illimité)
`zoom_enabled`	boolean	true	Activer les contrôles de zoom
`playback_rate_control`	boolean	false	Afficher le sélecteur de vitesse de lecture

Configuration des étiquettes

yaml

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

Modes d'annotation

Mode étiquette (par défaut)

Les segments reçoivent des étiquettes de catégorie :

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"

Mode questions

Chaque segment répond à des questions dédiées :

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

Mode combiné

Combine l'étiquetage avec des questionnaires par segment :

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?"

Configuration audio globale

Configurez la gestion des formes d'onde dans votre fichier de configuration :

yaml

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

Champ	Description
`waveform_cache_dir`	Répertoire pour les données de formes d'onde mises en cache
`waveform_look_ahead`	Nombre d'instances à venir à pré-calculer
`waveform_cache_max_size`	Nombre maximum de fichiers de formes d'onde en cache
`client_fallback_max_duration`	Durée maximale en secondes pour la génération côté navigateur (défaut : 1800)

Exemples

Diarisation de locuteurs

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

Détection d'événements sonores

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

Revue de transcription

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"

Raccourcis clavier

Touche	Action
`Espace`	Lecture/pause
`←` / `→`	Reculer/avancer
`[`	Marquer le début du segment
`]`	Marquer la fin du segment
`Entrée`	Créer le segment
`Suppr`	Supprimer le segment sélectionné
`1-9`	Sélectionner l'étiquette
`+` / `-`	Zoom avant/arrière
`0`	Ajuster la vue

Format de données

Données d'entrée

Votre fichier de données doit inclure des chemins ou URL de fichiers audio :

json

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

Configurez le champ audio :

yaml

item_properties:
  id_key: id
  text_key: audio_url

Format de sortie

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"
      }
    ]
  }
}

En mode questions, les segments incluent des réponses imbriquées :

json

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

Formats audio supportés

MP3 (recommandé)
WAV
OGG
M4A

Bonnes pratiques

Pré-cachez les formes d'onde - Utilisez la mise en cache côté serveur pour les grands ensembles de données
Activez le contrôle de lecture - La vitesse variable aide à la segmentation précise
Utilisez les raccourcis clavier - Beaucoup plus rapide que le clic
Définissez des limites claires - Spécifiez ce qui constitue le début/fin d'un segment
Choisissez le mode approprié - Utilisez "label" pour la classification, "questions" pour l'annotation détaillée
Fixez des limites de segments - Utilisez min_segments pour assurer la couverture