Platform For AI:音声ラベリングテンプレート

サポートされているテンプレート

音声分類

音声分類は、オーディオクリップに 1 つ以上の事前定義ラベルを割り当てます。このテンプレートは、単一ラベル分類と複数ラベル分類の両方をサポートしています。

• ユースケース

  環境音分類。

• データ構造

  • 入力データ

    入力 .manifest ファイルの各行は、単一のオーディオファイルを表す JSON オブジェクトです。各オブジェクトには source フィールドを含める必要があります。

    {"data":{"source":"oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
    ...

  • 出力データ

    出力 .manifest ファイルの各行は、ソースオーディオファイルの場所とアノテーション結果を含む JSON オブジェクトです。

    {
        "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"
                }
            ]
        }
    }

音声セグメンテーション

音声セグメンテーションは、オーディオファイル内の特定のタイムセグメントを識別し、ラベルを付けます。音波グラフを使用して、各セグメントの開始時間と終了時間を定義します。

• ユースケース

  会話分析。

• データ構造

  • 入力データ

    入力 .manifest ファイルの各行は、単一のオーディオファイルを表す JSON オブジェクトです。各オブジェクトには source フィールドを含める必要があります。

    {"data":{"source":"oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
    ...

  • 出力データ

    出力 .manifest ファイルの各行は、ソースオーディオファイルの場所とアノテーション結果を含む JSON オブジェクトです。

    {
        "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
                }
            ]
        }
    }

自動音声認識 (ASR)

ASR は、話し言葉の音声を書き起こされたテキストに変換します。このテンプレートは、ラベルの割り当てを伴う文字起こしをサポートしています。

• ユースケース

  方言認識。

• データ構造

  • 入力データ

    入力 .manifest ファイルの各行は、単一のオーディオファイルを表す JSON オブジェクトです。各オブジェクトには source フィールドを含める必要があります。

    {"data":{"source":"oss://example-bucket.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
    ...

  • 出力データ

    出力 .manifest ファイルの各行は、ソースオーディオファイルの場所とアノテーション結果を含む JSON オブジェクトです。

    {
        "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"
                }
            ]
        }
    }