このページはまだお使いの言語に翻訳されていません。英語版を表示しています。

Audio Annotation

Waveform visualization और playback controls के साथ audio files को annotate करें।

Audio Annotation

Potato 2.0 Peaks.js द्वारा संचालित waveform visualization, segment labeling, और व्यापक keyboard shortcuts के साथ शक्तिशाली audio annotation प्रदान करता है।

उपयोग के मामले

Speech transcription और समीक्षा
Speaker diarization
संगीत विश्लेषण
Audio event detection
Speech में भावना पहचान
Call center गुणवत्ता आश्वासन

Audio Support सक्षम करना

अपने कॉन्फ़िगरेशन में audio_annotation section जोड़ें:

yaml

annotation_schemes:
  - annotation_type: audio
    name: audio_segments
    description: "Segment and label the audio"
    labels:
      - Speech
      - Music
      - Silence
      - Noise

Operational Modes

Potato तीन audio annotation modes का समर्थन करता है:

Label Mode

Audio को segment करें और प्रत्येक segment को category labels assign करें:

yaml

annotation_schemes:
  - annotation_type: audio
    name: speaker_diarization
    mode: label
    description: "Identify speakers in the audio"
    labels:
      - Speaker A
      - Speaker B
      - Overlap
    label_colors:
      "Speaker A": "#3b82f6"
      "Speaker B": "#10b981"
      "Overlap": "#f59e0b"

Questions Mode

Per-segment annotation questions जोड़ें:

yaml

annotation_schemes:
  - annotation_type: audio
    name: speech_quality
    mode: questions
    description: "Evaluate speech segments"
    segment_questions:
      - name: clarity
        type: likert
        size: 5
        min_label: "Unclear"
        max_label: "Very clear"
      - name: emotion
        type: radio
        labels: [Neutral, Happy, Sad, Angry]

Both Mode

Labeling को per-segment questions के साथ मिलाएँ:

yaml

annotation_schemes:
  - annotation_type: audio
    name: full_analysis
    mode: both
    description: "Label and analyze audio segments"
    labels:
      - Speech
      - Music
      - Noise
    segment_questions:
      - name: quality
        type: likert
        size: 5

कॉन्फ़िगरेशन Options

बुनियादी सेटअप

yaml

annotation_schemes:
  - annotation_type: audio
    name: segments
    description: "Create audio segments"
    labels:
      - Label A
      - Label B
 
    # Optional constraints
    min_segments: 1
    max_segments: 50

Keyboard Shortcuts

Labels को number keys 1-9 का उपयोग करके assign किया जा सकता है:

yaml

annotation_schemes:
  - annotation_type: audio
    name: speakers
    labels:
      - Speaker A  # Press 1
      - Speaker B  # Press 2
      - Overlap    # Press 3

Label Colors

Segment colors customize करें:

yaml

annotation_schemes:
  - annotation_type: audio
    name: segments
    labels:
      - Speech
      - Music
      - Silence
    label_colors:
      "Speech": "#3b82f6"
      "Music": "#10b981"
      "Silence": "#6b7280"

Waveform प्रदर्शन

लंबी audio files के साथ इष्टतम प्रदर्शन के लिए, BBC audiowaveform tool install करें:

bash

# macOS
brew install audiowaveform
 
# Ubuntu/Debian
sudo apt-get install audiowaveform
 
# Or build from source
# https://github.com/bbc/audiowaveform

यह server-side waveform generation सक्षम करता है। इसके बिना, client-side generation का उपयोग किया जाता है (30 मिनट से कम की files के लिए उपयुक्त)।

Waveform Caching

बेहतर प्रदर्शन के लिए caching configure करें:

yaml

audio_config:
  cache_dir: "audio_cache/"
  precompute_depth: 100  # Pre-generate waveforms for first N items
  client_fallback_max_duration: 1800  # 30 minutes in seconds

Data Format

सरल Audio Reference

json

[
  {"id": "1", "audio_path": "audio/recording_001.wav"},
  {"id": "2", "audio_path": "audio/recording_002.wav"}
]

yaml

data_files:
  - "data/audio_data.json"
 
item_properties:
  id_key: id
  audio_key: audio_path

Transcripts के साथ

json

[
  {
    "id": "1",
    "audio_path": "audio/call_001.wav",
    "transcript": "Hello, how can I help you today?"
  }
]

Output Format

Annotations segment timestamps के साथ सहेजी जाती हैं:

json

{
  "id": "audio_1",
  "annotations": {
    "segments": [
      {
        "start": 0.0,
        "end": 2.5,
        "label": "Speaker A",
        "questions": {
          "clarity": 4,
          "emotion": "Neutral"
        }
      },
      {
        "start": 2.5,
        "end": 5.2,
        "label": "Speaker B"
      }
    ]
  }
}

Keyboard Shortcuts

Potato कुशल annotation के लिए व्यापक keyboard shortcuts प्रदान करता है:

Shortcut	क्रिया
`Space`	Play/Pause
`[`	वर्तमान स्थिति पर segment start सेट करें
`]`	वर्तमान स्थिति पर segment end सेट करें
`1-9`	वर्तमान segment को label assign करें
`Delete`	वर्तमान segment हटाएँ
`Left Arrow`	5 seconds पीछे जाएँ
`Right Arrow`	5 seconds आगे जाएँ
`Up Arrow`	Zoom in
`Down Arrow`	Zoom out
`Home`	शुरुआत पर जाएँ
`End`	अंत पर जाएँ
`+`	Playback speed बढ़ाएँ
`-`	Playback speed घटाएँ

उदाहरण कॉन्फ़िगरेशन

Speaker Diarization

yaml

task_name: "Speaker Diarization"
task_dir: "."
port: 8000
 
data_files:
  - "data/recordings.json"
 
item_properties:
  id_key: id
  audio_key: audio_path
 
annotation_schemes:
  - annotation_type: audio
    name: speakers
    mode: label
    description: "Identify who is speaking"
    labels:
      - Speaker 1
      - Speaker 2
      - Speaker 3
      - Overlap
      - Silence
    label_colors:
      "Speaker 1": "#3b82f6"
      "Speaker 2": "#10b981"
      "Speaker 3": "#f59e0b"
      "Overlap": "#ef4444"
      "Silence": "#6b7280"
    min_segments: 1
 
audio_config:
  cache_dir: "audio_cache/"
  precompute_depth: 50
 
output_annotation_dir: "output/"
output_annotation_format: "json"
allow_all_users: true

Transcription Review

yaml

task_name: "Transcription Quality Review"
task_dir: "."
port: 8000
 
data_files:
  - "data/transcripts.json"
 
item_properties:
  id_key: id
  text_key: transcript
  audio_key: audio_path
 
annotation_schemes:
  - annotation_type: audio
    name: errors
    mode: questions
    description: "Mark transcription errors"
    segment_questions:
      - name: error_type
        type: radio
        labels:
          - Missing word
          - Wrong word
          - Extra word
          - Spelling error
      - name: severity
        type: likert
        size: 3
        min_label: "Minor"
        max_label: "Major"
 
  - annotation_type: radio
    name: overall_accuracy
    description: "Overall transcript accuracy"
    labels:
      - Accurate
      - Minor errors
      - Major errors
      - Unusable
 
output_annotation_dir: "output/"
output_annotation_format: "json"

Call Center QA

yaml

task_name: "Call Center Quality Assurance"
task_dir: "."
port: 8000
 
data_files:
  - "data/calls.json"
 
item_properties:
  id_key: call_id
  audio_key: recording_path
 
annotation_schemes:
  # Segment-level annotation
  - annotation_type: audio
    name: conversation
    mode: both
    description: "Segment the conversation"
    labels:
      - Agent
      - Customer
      - Hold
      - Silence
    segment_questions:
      - name: sentiment
        type: radio
        labels: [Positive, Neutral, Negative, Frustrated]
 
  # Call-level assessment
  - annotation_type: likert
    name: professionalism
    description: "Agent professionalism"
    size: 5
    min_label: "Poor"
    max_label: "Excellent"
 
  - annotation_type: likert
    name: resolution
    description: "Issue resolution"
    size: 5
    min_label: "Unresolved"
    max_label: "Fully resolved"
 
  - annotation_type: multiselect
    name: issues
    description: "Select any issues observed"
    labels:
      - Long hold time
      - Agent interrupted
      - Incorrect information
      - Missing greeting
      - Unprofessional language
 
  - annotation_type: text
    name: notes
    description: "Additional observations"
    textarea: true
 
output_annotation_dir: "output/"
output_annotation_format: "json"

समर्थित Audio Formats

WAV (सर्वोत्तम गुणवत्ता के लिए अनुशंसित)
MP3
OGG
FLAC
M4A
WebM

प्रदर्शन सुझाव

audiowaveform install करें - लंबी audio files के लिए आवश्यक
Caching सक्षम करें - Pre-generated waveforms संग्रहीत करने के लिए cache_dir का उपयोग करें
गुणवत्ता के लिए WAV का उपयोग करें - Compressed formats में artifacts हो सकते हैं
Audio pre-process करें - Levels normalize करें, अनावश्यक silence trim करें
File sizes पर विचार करें - बड़ी files लोडिंग धीमी करती हैं
Precompute का उपयोग करें - प्रारंभिक instances के लिए waveforms pre-generate करें

समस्या निवारण

Waveform लोड नहीं हो रहा

जांचें कि audio file path सही है
सत्यापित करें कि file format समर्थित है
लंबी files के लिए audiowaveform install करें
Browser console में errors जांचें

धीमा प्रदर्शन

audiowaveform tool install करें
Waveform caching सक्षम करें
Audio file sizes कम करें
precompute_depth setting का उपयोग करें

Segments सहेजे नहीं जा रहे

सुनिश्चित करें कि output directory writable है
Annotation format configuration जांचें
सत्यापित करें कि segment में start और end times दोनों हैं