Plantillas de etiquetado de audio - Platform For AI - Centro de documentación de Alibaba Cloud

iTAG admite plantillas de etiquetado para la clasificación de audio, la segmentación de audio y el reconocimiento automático del habla (ASR). Conozca los formatos de datos de entrada y salida de cada plantilla.

Plantillas compatibles

A continuación se muestran las plantillas de etiquetado de audio disponibles:

Clasificación de audio
Segmentación de audio
Reconocimiento automático del habla (ASR)

Clasificación de audio

La clasificación de audio asigna una o más etiquetas predefinidas a un clip de audio. Esta plantilla admite la clasificación de una sola etiqueta y de varias etiquetas.

Caso de uso

Clasificación de sonidos ambientales.

Estructura de datos

Datos de entrada
Cada línea del archivo de entrada .manifest es un objeto JSON que representa un solo archivo de audio. Cada objeto debe contener el campo source.
```
{"data":{"source":"oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
...
```

Datos de salida

Cada línea del archivo de salida .manifest es un objeto JSON que contiene la ubicación del archivo de audio de origen y los resultados de la anotación.

{
    "data": {
        "source": "oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/audio/6.wav"
    },
    "label-1432993193909231616": {
        "results": [
            {
                "questionId": "1",
                "data": "Label 1",
                "markTitle": "single-choice",
                "type": "survey/value"
            }
        ]
    }
}

Segmentación de audio

La segmentación de audio identifica y etiqueta segmentos de tiempo específicos dentro de un archivo de audio. Utilice el gráfico de forma de onda para definir los tiempos de inicio y fin de cada segmento.

Caso de uso

Análisis de conversaciones.

Estructura de datos

Datos de entrada
Cada línea del archivo de entrada .manifest es un objeto JSON que representa un solo archivo de audio. Cada objeto debe contener el campo source.
```
{"data":{"source":"oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
...
```

Datos de salida

Cada línea del archivo de salida .manifest es un objeto JSON que contiene la ubicación del archivo de audio de origen y los resultados de la anotación.

{
    "data": {
        "source": "oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/audio/21.wav"
    },
    "label-1435480301706092544": {
        "results": [
            {
                "duration": 0,
                "objects": [
                    {
                        "result": {
                            "Audio recognition result": "This is the transcribed content for segment 1.",
                            "single-choice": "Label 1"
                        },
                        "color": null,
                        "id": "wavesurfer_ei0aet9uvp8",
                        "start": 2.3886218302094817,
                        "end": 4.635545755237045
                    },
                    {
                        "result": {
                            "Audio recognition result": "This is the transcribed content for segment 2.",
                            "single-choice": "Label 2"
                        },
                        "color": null,
                        "id": "wavesurfer_kl39gnlb2k",
                        "start": 5.698280044101433,
                        "end": 7.348048511576626
                    }
                ],
                "empty": false
            }
        ]
    }
}

Reconocimiento automático del habla (ASR)

El ASR convierte el audio hablado en texto escrito. Esta plantilla admite la transcripción con asignación de etiquetas.

Caso de uso

Reconocimiento de dialectos.

Estructura de datos

Datos de entrada
Cada línea del archivo de entrada .manifest es un objeto JSON que representa un solo archivo de audio. Cada objeto debe contener el campo source.
```
{"data":{"source":"oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
...
```

Datos de salida

Cada línea del archivo de salida .manifest es un objeto JSON que contiene la ubicación del archivo de audio de origen y los resultados de la anotación.

{
    "data": {
        "source": "oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/audio/14.wav"
    },
    "label-1435448359497441280": {
        "results": [
            {
                "questionId": "1",
                "data": "This is the transcribed content.",
                "markTitle": "Audio recognition result",
                "type": "survey/value"
            },
            {
                "questionId": "3",
                "data": [
                    "Label 1",
                    "Label 2"
                ],
                "markTitle": "multiple-choice",
                "type": "survey/multivalue"
            }
        ]
    }
}