음성 데이터 수집, 좋은 명세서에 포함되어야 할 것

스크립트된 것인가 자발적인 것인가?

스크립트된 음성은 음성학적 커버리지와 깨끗한 정렬을 제공합니다. 자발적 음성은 비유창성, 겹침, 잘못된 시작 및 사람들이 실제로 말하는 방식을 제공합니다. 이 둘은 대체물이 아니며, 첫 번째로만 훈련된 시스템은 실제 입력에서 실패합니다.

대부분의 프로젝트는 명시된 비율로 둘 다 필요합니다. 비율을 명시하지 않으면 수집이 더 쉬운 스크립트된 음성 위주로 진행됩니다.

왜 음향 조건을 범위로 명시해야 하나요?

조용한 방에서만 녹음된 데이터셋은 조용한 방에서만 작동하는 시스템을 훈련시킵니다. 사용자가 거리나 시장에 있다면, 그러한 조건에서의 녹음을 의도적으로 포함시켜야 하며, 거부된 것으로 처리해서는 안 됩니다.

필요한 범위와 각 범위의 비율을 명시하세요. 그렇지 않으면 수집은 가장 깨끗한 녹음을 최적화하고, 소음이 있는 조건에서의 성능은 실제 사용에서 발견됩니다.

• 스튜디오 또는 조용한 실내
• 일반적인 실내 배경 소음 포함
• 야외 및 거리 조건
• 관련 있는 경우 전화 또는 압축 채널

화자 다양성은 어떻게 명시해야 하나요?

수치로 명시해야 합니다. 연령대, 성별 균형, 지역 억양 분포, 각각의 목표 비율을 설정하세요. 목표로만 설명된 다양성은 수집 로지스틱과 접촉 시 유지되지 않습니다.

다언어 지역의 경우, 코드 스위칭 기대치를 명시적으로 지정하세요. 그렇지 않으면 전혀 없거나 측정되지 않은 양을 얻게 되며, 둘 다 유용하지 않습니다.

전사 규칙은 어떻게 해야 하나요?

수집이 시작되기 전에 고정하고 배치별로 동결하세요. 비유창성, 겹치는 음성, 불분명한 오디오 및 코드 스위치 경계에 대한 규칙이 명확히 필요하며, 그렇지 않으면 전사자가 각자 답을 만들어냅니다.

이미 전사된 코퍼스에 규칙을 나중에 적용하는 것은 비용이 많이 들고 보통 완전하지 않습니다.

음성 데이터 명세서에 무엇이 포함되어야 하나요?

스크립트된 것과 자발적인 것의 비율, 요구되는 음향 조건의 범위와 비율, 수치화된 화자 다양성 목표, 비유창성, 겹침 및 코드 스위칭을 포함한 고정된 전사 규칙.

왜 소음이 있는 녹음을 음성 데이터셋에 포함해야 하나요?

깨끗한 오디오로만 훈련된 시스템은 깨끗한 오디오에서만 작동하기 때문입니다. 사용자가 거리나 시장에서 말한다면, 그러한 조건은 수집 중에 거부되지 않고 의도적으로 포함되어야 합니다.

전사 규칙은 수집 전에 설정해야 하나요, 아니면 후에 설정해야 하나요?

수집 전에 설정하고 배치별로 동결해야 합니다. 이미 전사된 코퍼스에 규칙을 나중에 적용하는 것은 비용이 많이 들고 거의 완전히 일관되지 않습니다.