Praat客服语音标注.doc

(word完整版)Praat客服语音标注语音转写操作手册（三层）一、用脚本打开语音文件 1 点击praatopenread from file找到你打开的文件打 开-选中同一个文件名的两个文件View & Edit; 2 Ctrl+2可以同时两层打点，Alt+Backspace可以删除时间点； 做完以后Ctrl+S 保存到根文件下面；请参看培训视频。二、开始标注语音文件 时间边界定位： 按Tab键可以播放语音，再次按Tab键/Esc键可以停止播放语音 按Ctrl+i可以放大波形；Ctrl+o可以缩小波形。建议放大12标注。 听音，在整段电话语音的基础上，根据语义和停顿时间等因素,在音频信号中每一句话的句首和句尾分别添加时间边界。添加时间边界的方法为：将鼠标移动到语音波形的相应位置，这时会出现一条虚线以及圆圈,分别点击SPEAKER层和CONTENT层对应的圆圈即可。或者直接Ctrl+2可以自动同时在SPEAKER层和CONTENT层打上时间点。在整个语音文件中,SPEAKER层和CONTENT层的时间边界的数目是完全一致的，每一对时间边界也是完全相等的。请注意，SPEAKER层和CONTENT层的时间边界必须保持一致.也就是说不管点击哪一层的时间边界，另外一层一定是空心蓝色,而不是实心蓝色 文件标注: GLOBAL层主要标注语音文件的一些全局信息，包括说话人性别信息和语种信息(方言区).标注格式如下：speaker：空格1空格性别，空格2空格性别;空格language:空格1空格方言区，空格2空格方言区例如:speaker： 1 male, 2 female； language： 1 普通话, 2 普通话speaker: 1 male, 2 male； language： 1 普通话, 2 普通话speaker： 1 female, 2 female； language： 1 普通话, 2 普通话speaker： 1 female, 2 male； language: 1 普通话, 2 普通话 SPEAKER层需要标注的是说话人信息，“说话人取值为以下两种:1、2，分别表示说话人1、说话人2。（说话人1、2仅标注在文字段上,符号段不标注） 如果是客服类对话,则SPEAKER层的“说话人”取值为1的语音，必须是话务员；用户的语音取值为2 客服定义为奇数，用户为偶数;（客服一定是和用户有直接对话，否则不算客服)如果第三个人是用户的情况：speaker： 1 female, 2 female, 4 female； language： 1 普通话， 2 普通话, 4 普通话 CONTENT层需要标注的是该句对应的文字，如果是汉语交谈，则只能用简体汉字。对于语音中的数字部分需根据发音情况转换为对应的汉字，例如“27”“二十七；“我的电话是2381832”“我的电话是二三八幺八三二（与发音相同). CONTENT层正常语音的标注 如果此语段为某一个人的汉语对话语音，请在SPEAKER和CONTENT标注时间边界,SPEAKER层标注1或者2,CONTENT层输入相应的文本。 如果此语段为两个人交叉语音，关于重叠（交叉）的语音，即对于某个人的一句话未完，另一个人的一句话已经开始的情况：请在SPEAKER层和CONTENT层标注时间边界,SPEAKER层不标注内容，CONTENT层标注“+”对于叠加，必须是真实的。不能将大段的听不清语音和叠加混在一起。叠加段内的非叠加部分，前后最多不得超过1个字。至于由于添加叠加的时间边界导致的半个语音（即切掉头或者尾)可用*或UNK来表示。和UNK取决于是单段的听不清，还是在语音中听不清。 在整个语音中，需根据说话人的变换来增加时间边界。 如果同一说话人说话时间较长，则应根据其语义来增加时间边界，每个时间段的长度最多不能超过8s，但断句也不要太散太短.每个自然语言段平均在56秒左右即可。 每个时间边界的最佳位置在音频能量的最低点（即波谱图上黑色部分最淡的地方）,如果仅有几个字包含不进来，那么建议舍弃这几个字 英文:(英文小写） 【单词】对于语音中简单的英文单词，在能听懂的情况下，直接标出即可。特殊符号用发音标注，不写特殊符号。例如：“网址是三w点sina点com”; “二三八幺八三二艾特qq点com;（不要写） “请以井号键结束”；（不要写）【字母】每个字母中间用空格隔开。例如：good表示单词读音，g o o d则表示字母读音。例如:我的编号是f m s幺三二 如果发音是表示应答的“嗯”，统一都用“嗯，不要用“恩”或者“厄”。其他的这种口头发音，也需要用带口字旁的汉字标注。比如哦，啊，唉等。 CONTENT层短暂噪音的标注短暂噪音是指非常短暂的突发的声音，所有此类标注都是中括号与语音内容的组合，不要标注时间边界。1 听不清的一个字/英文单词直接在句子中标注UNK。 例如:二三八幺八UNK二 2 两个或者两个以上听不懂的字,标注 听不清的长句 方言 大段的英文句子 拿着话筒和其他人说话 3 短暂的笑声:直接在句子中标注LAUGH。 4 短暂的由说话人发出的干扰浊音：直接在句子中标注SONANT 咳嗽声 打喷嚏 清嗓子 5 系统提示音，即系统播出的语音提示:PROMPT系统自动播放的语音内容，而非说话人的语音内容（第二层不用标说话人）例如：PROMPT欢迎致电我公司现在由一号客服代表为您服务 CONTENT层持续噪音的标注持续噪音是指比较长的一段声音，所有此类标注都是单独的噪音类型，需要标注中括号和时间边界，SPEAKER层不标注内容 1 明显的静音段(大于500ms）:SIL（如果空白段没有任何声音,可以空着,后期技术处理） 2 各种垃圾声音：ENS 1) 连续的拍桌子 2） 连续的敲击声 3) 持续的各种环境噪音(大于500ms） 3 连续的笑声:LAUGH 4 持续的音乐声：MUSIC 唱歌声（有歌词和旋律) 哼唱（没有歌词,但有旋律） 口哨声 可能是别人唱歌、演奏,也可能是背景的电视、收音机发出的音乐和歌声 口哨声 包括持续时间较长的彩铃声 5 录音及电信系统引起的噪声：SYSTEM包括电话按键音dtmf、电话忙音 beap、录音系统的其他噪音等，都是通信系统主动发出的声音，而不是摘机、挂机或干扰带来的咔啦或呲呲杂音.一般会用的噪音符号:+，*，ENS,UNK，SONANT，LAUGH,PROMPT，SYSTEM 修改标注 去除端点：点中端点，alt_backspace 移动端点：直接用鼠标拖动 修改文字：点中语音段，在编辑框中修改 保存 Ctrl+S保存到你文件的根目录下面；三 工具自查checktool 1 先进入 程序安装 文件夹，安装perl和python程序。注意perl安装使用默认路径 C:Perlbinperl，python安装使用默认路径C：Python27python。 2 点击1_Textgrid_modify tmp已完成语音放tmp里面退出来一步点击run 3 把1_Textgrid_modify中tmp的语音全部复制到2_checktool的tmp中-run 看出错的地方，如：intervals 50,说明第50段语音有错，将对应文件的textcheck打开，查找到intervals 50，查看是什么错误，最后在里面做修改，保存即可（改一个错误保存一次)，再重复上面的操作改下一个错误,直到最后没有报错为止。