Platform For AI:音声ラベリングテンプレート

サポートされるテンプレート

音声分類

音声分類は、音声クリップに 1 つ以上の定義済み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

  環境音の分類。

• データ構造

  • 入力データ

    入力 .manifest ファイルの各行は、単一の音声ファイルを表す JSON オブジェクトです。各オブジェクトは source フィールドを含む必要があります。

    {"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、ソース音声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、音声ファイル内の特定の時間セグメントを識別してラベル付けします。波形グラフを使用して、各セグメントの開始時刻と終了時刻を定義します。

• 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、単一の音声ファイルを表す JSON オブジェクトです。各オブジェクトは source フィールドを含む必要があります。

    {"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、ソース音声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": 7.348048511576626,
                    "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、音声をテキストに変換します。このテンプレートは、ラベル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、単一の音声ファイルを表す JSON オブジェクトです。各オブジェクトは source フィールドを含む必要があります。

    {"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、ソース音声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"
                }
            ]
        }
    }