JwumaSprachdatenerfassung: Was eine gute Spezifikation enthält
· 3 Min. Lesezeit · specification, speech
Diese Übersetzung wurde maschinell erstellt und nicht von einem Muttersprachler geprüft. Im Zweifelsfall gilt die englische Fassung. Sagen Sie uns Bescheid, wenn etwas falsch klingt, und wir korrigieren es. English
Eine Sprachspezifikation muss vier Dinge festlegen: ob die Sprache skriptiert oder spontan ist, die erforderlichen akustischen Bedingungen, die benötigte Sprecherdiversität in Bezug auf Alter, Geschlecht und Akzent sowie die Transkriptionskonventionen. Wenn eines davon implizit bleibt, entsteht ein Datensatz, der intern inkonsistent ist und nachträglich nicht mehr korrigiert werden kann.
Kurz gefasst
- Skriptierte und spontane Sprache trainieren unterschiedliche Fähigkeiten.
- Akustische Bedingungen sollten als erforderlicher Bereich und nicht als Ideal spezifiziert werden.
- Sprecherdiversität muss numerisch spezifiziert werden, sonst wird sie nicht umgesetzt.
- Transkriptionskonventionen müssen vor der Erfassung festgelegt werden, nicht danach.
- Die Aufnahmegenehmigung ist Teil des Erfassungsauftrags, nicht ein späterer Schritt.
Planen Sie etwas Ähnliches?
Wir sprechen lieber über das Problem als über eine Mengenangabe.
Leistungen ansehenSkriptiert oder spontan?
Skriptierte Sprache bietet phonetische Abdeckung und saubere Ausrichtung. Spontane Sprache bietet Unflüssigkeiten, Überschneidungen, Fehlstarts und die Art und Weise, wie Menschen tatsächlich sprechen. Sie sind keine Ersatzlösungen und ein System, das nur auf der ersten trainiert wird, versagt bei realen Eingaben.
Die meisten Projekte benötigen beides in einem festgelegten Verhältnis. Wenn das Verhältnis nicht angegeben wird, entsteht zuverlässig überwiegend skriptierte Sprache, da diese leichter zu erfassen ist.
Warum akustische Bedingungen als Bereich spezifizieren?
Weil ein Datensatz, der ausschließlich in ruhigen Räumen aufgenommen wurde, ein System trainiert, das in ruhigen Räumen funktioniert. Wenn Ihre Nutzer auf der Straße oder auf einem Markt sind, müssen Aufnahmen aus diesen Bedingungen bewusst einbezogen werden, anstatt als Ausschuss behandelt zu werden.
Spezifizieren Sie den erforderlichen Bereich und den Anteil in jedem Bereich. Andernfalls optimiert die Erfassung für die saubersten Aufnahmen und Ihre Leistung unter lauten Bedingungen wird erst in der Produktion entdeckt.
- Studio oder ruhige Innenräume
- Normale Innenräume mit Hintergrundgeräuschen
- Außen- und Straßenbedingungen
- Telefon- oder komprimierter Kanal, falls relevant
Wie sollte die Sprecherdiversität spezifiziert werden?
Numerisch. Altersgruppen, Geschlechterverteilung, regionale Akzentverteilung, jeweils mit einem Zielanteil. Diversität, die als Ziel und nicht als Quote beschrieben wird, überlebt die Kontaktaufnahme mit der Erfassungslogistik nicht.
Für mehrsprachige Regionen spezifizieren Sie die Erwartung an Code-Switching explizit. Wenn Sie dies nicht tun, erhalten Sie entweder gar kein Code-Switching oder eine ungemessene Menge davon, und beides ist nicht nützlich.
Was ist mit Transkriptionskonventionen?
Legen Sie sie fest, bevor die Erfassung beginnt, und frieren Sie sie pro Charge ein. Konventionen für Unflüssigkeiten, sich überschneidende Sprache, unklare Audioaufnahmen und Code-Switch-Grenzen benötigen alle explizite Regeln, und jeder dieser Punkte ist eine Stelle, an der Transkribierende sonst ihre eigene Lösung erfinden werden.
Eine nachträgliche Anpassung einer Konvention über ein bereits transkribiertes Korpus ist teuer und in der Regel unvollständig.
Weitere Fragen
Was sollte eine Sprachdatenspezifikation enthalten?
Das Verhältnis von skriptierter zu spontaner Sprache, den erforderlichen Bereich der akustischen Bedingungen mit Anteilen, numerische Ziele für die Sprecherdiversität und festgelegte Transkriptionskonventionen, die Unflüssigkeiten, Überschneidungen und Code-Switching abdecken.
Warum sollten laute Aufnahmen in einem Sprachdatensatz enthalten sein?
Weil ein System, das nur auf sauberem Audio trainiert wurde, nur auf sauberem Audio funktioniert. Wenn Ihre Nutzer auf Straßen oder Märkten sprechen, müssen diese Bedingungen bewusst einbezogen werden, anstatt während der Erfassung abgelehnt zu werden.
Sollten Transkriptionskonventionen vor oder nach der Erfassung festgelegt werden?
Vorher und pro Charge eingefroren. Eine nachträgliche Anpassung von Konventionen über ein bereits transkribiertes Korpus ist teuer und selten vollständig konsistent.