Annotation audio
Un guide complet de l'annotation audio dans Potato : classification, étiquetage, détection d'événements sonores sur la forme d'onde, transcription, notes de qualité (MOS), émotion et diarisation des locuteurs.
L'annotation audio couvre tout, de l'étiquetage d'un clip entier (« est-ce de la parole ou de la musique ? ») au repérage du moment exact où un son survient sur la forme d'onde. Potato affiche une forme d'onde interactive avec lecture et marqueurs temporels, si bien que le même outil prend en charge la classification, l'étiquetage, la détection d'événements alignés dans le temps, la transcription, les notes de qualité et le travail sur les locuteurs. Pour la référence de la fonction, voir Annotation audio.
Ce guide associe chaque tâche audio courante à une configuration Potato et à un design de démonstration exécutable.
Classification au niveau du clip
Étiquetez le clip entier avec une seule catégorie. Cela couvre la classification de scènes acoustiques, la classification de sons environnementaux, la détection de mots-clés et la classification de sons respiratoires.
annotation_schemes:
- annotation_type: radio
name: scene
description: "What environment was this recorded in?"
labels: [Street, Park, Office, Home, Vehicle]Étiquetage multi-étiquettes
Lorsque plusieurs sons ou étiquettes s'appliquent en même temps, comme dans l'étiquetage musical et la classification d'événements à la manière d'AudioSet, utilisez multiselect.
annotation_schemes:
- annotation_type: multiselect
name: tags
description: "Select every instrument you can hear."
labels: [Guitar, Drums, Piano, Vocals, Bass, Synth]Détection d'événements sonores : segments sur la forme d'onde
Pour marquer quand un son commence et se termine, utilisez un segment sur la ligne de temps de l'audio. C'est la détection d'événements sonores, la version audio de l'annotation de segments.
annotation_schemes:
- annotation_type: span
name: events
description: "Mark the start and end of each sound event and label it."
labels: [Speech, Music, Dog bark, Siren, Silence]Transcription
Pour la transcription audio, associez la lecture à un champ de texte libre. Les annotateurs peuvent parcourir la forme d'onde tout en saisissant.
annotation_schemes:
- annotation_type: text
name: transcript
description: "Type what is said in this clip."Notes de qualité : MOS et intelligibilité
La qualité audio subjective se mesure avec un score d'opinion moyen, une note de Likert de 1 à 5 moyennée sur l'ensemble des auditeurs. Cela couvre la qualité de la parole (MOS) et l'intelligibilité de la parole.
annotation_schemes:
- annotation_type: likert
name: mos
description: "Rate the overall quality of this audio."
size: 5
min_label: "Bad"
max_label: "Excellent"Voir Échelles de notation pour des conseils sur la conception des échelles.
Émotion et sentiment
La reconnaissance d'émotion dans la parole et l'analyse de sentiment audio combinent une catégorie (l'émotion) avec des notes dimensionnelles (activation, valence) à l'aide de radio associé à slider ou likert.
Diarisation des locuteurs
La diarisation des locuteurs répond à « qui a parlé et quand ». Les annotateurs marquent des segments temporels et relient chacun à un locuteur, ce qui revient à de l'annotation de segments assortie d'une étape de liaison.
Conseils pratiques
- Gardez les clips assez courts pour être jugés en une ou deux écoutes ; les clips longs font baisser l'accord.
- Pour la détection d'événements, mettez-vous d'accord sur la précision attendue des limites et mesurez l'accord au niveau du segment, voir Accord inter-annotateurs.
- Normalisez le volume entre les clips pour que les notes de qualité ne dépendent pas du niveau sonore.