地圖搜索數(shù)據(jù)標(biāo)注規(guī)范

一、 標(biāo)注員行為規(guī)范

百度語音標(biāo)注是百度標(biāo)注員使用標(biāo)注工具人工對百度語音數(shù)據(jù)詳細(xì)信息進(jìn)行標(biāo)記的過程，標(biāo)注員需要嚴(yán)格遵守百度的各項(xiàng)規(guī)章制度，同時嚴(yán)格執(zhí)行以下的標(biāo)注員行為規(guī)范：

1. 嚴(yán)禁下載、拷貝、傳播標(biāo)注語音，如出現(xiàn)標(biāo)注語音泄漏的情況，我們將追究相關(guān)人員的責(zé)任；

2. 杜絕一切不認(rèn)真、不負(fù)責(zé)任的標(biāo)注行為；

3. 標(biāo)注中出現(xiàn)的問題應(yīng)及時反映；

4. 標(biāo)注系統(tǒng)的用戶名，密碼只限標(biāo)注員本人使用，請嚴(yán)格保密。

二、 標(biāo)注系統(tǒng)介紹

(1) 登錄標(biāo)注系統(tǒng)：

打開網(wǎng)頁瀏覽器, 在地址欄內(nèi)輸入標(biāo)注系統(tǒng)地址:

115.239.210.120

注: 瀏覽器不推薦使用IE系列，若使用多標(biāo)簽瀏覽器,形如:

只允許單一瀏覽器登陸標(biāo)注系統(tǒng)，嚴(yán)禁在多標(biāo)簽瀏覽器中登錄多次標(biāo)注系統(tǒng)。

  其中，標(biāo)注員的工作主要分為兩種，在登錄時進(jìn)行選擇：

? 標(biāo)注: 對未標(biāo)注的語音信息進(jìn)行標(biāo)注，請標(biāo)注員選擇標(biāo)注即可。

下面將主要結(jié)合標(biāo)注工作進(jìn)行介紹。

(2) 用戶名及密碼的獲取

               系統(tǒng)不支持用戶注冊，用戶名及密碼由百度語音組統(tǒng)一發(fā)放，標(biāo)注員獲

取用戶名、密碼后，登錄進(jìn)入系統(tǒng)，第一次登錄時，會要求輸入個人信息：

點(diǎn)擊確定后，填寫個人信息。

填寫個人信息的時候如有遇到身份證號碼含有X的，請?zhí)顚懭我鈹?shù)字。

確定提交后，進(jìn)入標(biāo)注頁面:

其中,

A 區(qū)為待標(biāo)注語音的波形信息

B 區(qū)為標(biāo)注信息，默認(rèn)選擇為第一個選項(xiàng)：

第一項(xiàng): 當(dāng)前語音是否包含有效語音;：

1） 只標(biāo)注有且只有一個說話人的語音，如果音頻中有超過一個人的聲音，比如背景人說話，或者有TTS 合成的人聲，或者含有電視機(jī)里的人聲、收音機(jī)里有人唱歌等等標(biāo)注為無效；

2） 如果背景中含有貓叫狗叫等動物的噪音，標(biāo)注為無效；

3） 如果音頻背景中只有非人，非動物的噪音，比如汽車鳴笛聲，敲鍵盤的聲音，標(biāo)注為有效，音頻需正常轉(zhuǎn)寫；

4） 只含有噪聲或者靜音，則標(biāo)注為無效語音。

5） 語音有首尾截?cái)?/span>的情況，如：“東洲碼頭”，第一個“東”被截?cái)嘁稽c(diǎn)，聽起來像“ong”的音，這種情況標(biāo)注為不確定。 不要根據(jù)意思去猜。

6） 如果一個人唱歌，只要是跟車機(jī)交互也要標(biāo)注；

7） 如果一個人不是對著設(shè)備講話，但是聲音清晰可辨別，也需要轉(zhuǎn)寫標(biāo)注；

8） 除以上無效條件外，其余語音均算做有效語音，只要能挺清楚，都需要轉(zhuǎn)寫。

第二項(xiàng): 當(dāng)前語音的噪聲情況；

根據(jù)語音情況選擇，存在一定噪音但還是能聽清搜索語音，請選擇“含噪音”。如果噪聲比較小可默認(rèn)為“安靜”。

第三項(xiàng): 當(dāng)前語音的語言情況；

如果語音內(nèi)容聽不太懂或個別詞聽不清，通過搜索也不能確定，導(dǎo)致不能準(zhǔn)確標(biāo)出語音內(nèi)容的情況下，則標(biāo)為“不確定”。所有標(biāo)注出的結(jié)果要保證是確定的。

第四項(xiàng)：語音內(nèi)容；

直接輸入語音內(nèi)容。根據(jù)自己聽到的內(nèi)容進(jìn)行輸入。具體規(guī)則如下：

1. 語音內(nèi)容必須和聽到的語音完全一致，不能多字、少字、錯字。地名等信息必須完全正確，不可以同音字代替。

2. 語音中有猶豫或者“嗯”“啊”等語氣詞也要寫出對應(yīng)的漢字。

3. 阿拉伯?dāng)?shù)字要寫成漢字形式，如“一二三”，而不是“123”。注意區(qū)分“一”和“幺”?！岸焙汀皟伞?/span>

4. 標(biāo)注中只能含有中文、英文以及英文中特殊符號，如I'm中的'。如果符號被讀出，則根據(jù)發(fā)音需寫成相應(yīng)漢字或英文。例如“@”讀“at”時要寫為“at”，“.com”讀成“點(diǎn)com”時要寫成“點(diǎn)com”

5. 語氣詞: 音頻中說話人清楚地講出的語氣詞，如 “呃 啊 嗯 哦 唉 吶”等，要按照正確發(fā)音進(jìn)行轉(zhuǎn)寫。語氣詞除了“了 不 ”沒有口字旁，其他基本上都有口字旁。

6. 轉(zhuǎn)寫內(nèi)容的完整性要與實(shí)際發(fā)音一致，不得刪減；

n 如發(fā)音為：東東洲碼頭；“東”字有重復(fù)現(xiàn)象，那轉(zhuǎn)寫的時候要寫成：東東洲碼頭。

7. 發(fā)音聽的很清楚，完全沒有口音，但搜索不到，按照發(fā)音寫同音字；

8. 有口音的要按照正確的來標(biāo)注。比如：“湖南”。讀的是“湖蘭”，則標(biāo)注為“湖南”。

9. 讀錯字的情況，比如：“東莞”，讀成“東晚”，是當(dāng)前發(fā)音人不認(rèn)識這個字，讀的是“wan3”；“河堤”的“堤”，讀成“ti2”，按照發(fā)音人的讀音進(jìn)行標(biāo)。 

10. 若有兩個及兩個以上的地名為同音不同字，（即同一條語音搜索結(jié)果為多個同音地名）。比如：“之江”和“枝江”。若語音只有“zhi1 jiang1”兩字，則標(biāo)為任意一種。若語音為：“湖北省zhi1 jiang1”則標(biāo)為：“湖北省枝江”。

注意：

     所有語音均來自語音搜索，即全部特指的地名均要用百度搜索或百度地圖搜索，確認(rèn)最終的語音內(nèi)容。保證字音正確。如果不好判斷聽不清的可以直接選“不確定”；可以有小于40%的“不確定+無效”。沒有語義的情況標(biāo)為“不確定”。最終要保證標(biāo)注“正確”且有效的數(shù)據(jù)是完全正確的。

圖1：

圖2：

提交后，需要對標(biāo)注的語音內(nèi)容進(jìn)行檢查，主要針對：

l 內(nèi)容中出現(xiàn)數(shù)字, 比如13，容易出現(xiàn)”一三”和“十三”的混淆，需要重新返回給標(biāo)注員修改，將其改為對應(yīng)的漢字；例如聽見一百零八將，要標(biāo)注出一百零八將而不是108將。

第五項(xiàng)和第六項(xiàng)為說話人性別和口音情況；

能聽出是兒童的標(biāo)為“兒童”。能聽出說話人有口音的就標(biāo)為含口音，比如n、ng不分，n、l不分，或者方言等。

標(biāo)注結(jié)束后，點(diǎn)擊 “標(biāo)注提交” 即可

如果登錄時，選擇檢查，則B 區(qū)的信息將會默認(rèn)顯示已標(biāo)注的信息，標(biāo)注員對這些信息進(jìn)行詳細(xì)檢查，檢查的原則是僅修改確定是標(biāo)注錯誤的部分，對不太確定的部分將不做修改。檢查完畢后，點(diǎn)擊”檢查提交”即可。

C 區(qū)為用戶信息, ，其中

? 點(diǎn)擊 用戶名，將會顯示用戶已登記的信息，用戶可以在線修改提交；

? 點(diǎn)擊 查詢，將會出現(xiàn)工作量查詢頁面:

選擇標(biāo)注員名，點(diǎn)擊選擇查詢起始時間和結(jié)束時間，查詢的結(jié)果為：

會顯示查詢時間內(nèi)的標(biāo)注量和檢查量，點(diǎn)擊標(biāo)注量或者檢查量的數(shù)字后，則會按照標(biāo)注或者檢查的時間從早到晚依次列出對應(yīng)的全部結(jié)果：

為了方便區(qū)分檢查，把“無效語音”和“不確定語音”分別顯示成紅色和藍(lán)色。點(diǎn)擊列出的結(jié)果，比如點(diǎn)擊上圖中的 “3” , 將會顯示詳細(xì)的標(biāo)注結(jié)果和識別參考結(jié)果：

標(biāo)注員可以對自己已標(biāo)注結(jié)果進(jìn)行修改及重新提交。

? 點(diǎn)擊 退出，則用戶退出標(biāo)注系統(tǒng)，

需要特別提醒，用戶不進(jìn)行標(biāo)注時，一定要點(diǎn) 退出或者注銷鍵 安全退出標(biāo)注系統(tǒng)。

特別注意：

windows player播放器會出現(xiàn)語音末尾截?cái)鄦栴}，聲音播放不全。如下圖1：

圖1

標(biāo)注人員標(biāo)注前請先看下瀏覽器頁面中的播放器，并保證瀏覽器中的播放器跟下圖2一致（是黑色底的）：

圖2

如果瀏覽器中的播放器跟圖1一樣，請先卸載瀏覽器安裝最新的版本。若是圖1的播放器不能進(jìn)行標(biāo)注。

三、標(biāo)注系統(tǒng)白名單

現(xiàn)在出于安全性考慮，標(biāo)注系統(tǒng)采用IP白名單的方式限制用戶訪問。所有的標(biāo)注人員需要先添加自己的IP地址到白名單中。

首先需要檢查當(dāng)前ip地址是否已經(jīng)添加到白名單中，如果輸入地址沒有顯示登陸界面的話，則說明當(dāng)前ip地址未在白名單中，需要按照下面的流程添加白名單：

1. 先查詢本機(jī)實(shí)際的外網(wǎng)物理IP地址。方法為：在百度中輸入ip，會顯示出本機(jī)的實(shí)際物理ip地址；

2. 將ip添加到白名單中。

在瀏覽器中輸入該地址；同時將IP地址后面的127.0.0.1修改為自己的實(shí)際物理IP地址

http://audiotest.baidu.com:8187/addip.php?project=map&ip=127.0.0.1.

3. 添加完成之后，會顯示添加成功的頁面。稍等5分鐘之后，即可進(jìn)行標(biāo)注。成功頁面為：

四、 標(biāo)注準(zhǔn)確率要求

      按句統(tǒng)計(jì)，當(dāng)前語言情況標(biāo)注為有效且“確定”項(xiàng)的，占總句數(shù)的60%以上，句子標(biāo)注準(zhǔn)確率要求達(dá)到95%以上。 無效+不確定項(xiàng)的標(biāo)注結(jié)果可以忽略。

1. 一個人說話，旁邊有人笑聲，  是否有效？----無效；有效數(shù)據(jù)只標(biāo)注有且只有一個人聲音的；

2. 單個一個字，是否有效？語氣詞單字重讀是否有效？---有效；

3. 純英文的是否有效？---有效

4. 噪音，空氣流動聲是否為噪音，這個噪音大小怎么界定？一般帶耳機(jī)，都能聽到嗡嗡的聲音，是否為噪音？----人耳能聽到，就標(biāo)注含噪音

5. 整一段話基本都是清楚的，只有開始或者結(jié)束或者中間有一點(diǎn)點(diǎn)聲音，也算噪音，對吧？----對

6. 有且僅有機(jī)器人等第三方設(shè)備說話是否有效？---僅有機(jī)器人的聲音，電視機(jī)廣播等聲音，為無效 

7. 吞音的字無效處理？---比如說呢？類似于北京口音的 “中央電視臺”聽起來像“裝電臺”？?

8. 語義不完整的是否正常轉(zhuǎn)寫？---按照發(fā)音轉(zhuǎn)寫，不考慮語義