越南语语音项目方案
- 格式：docx
- 大小：29.92 KB
- 文档页数：8
越南语语音项目方案1.数据需求
数据需满足下列需求：
2.地域分布
可参考以下的区域划分：
越南的南部方言区和北部方言区，中部方言区可以少量覆盖
3.语料制作
3.1句数分配
3.2通用类
1）定义
无特定领域限定的口语化句子，包括聊天、评论。
2）来源
facebook、twitter、论坛
3）筛选
网络爬取的句子，需交给越南人进行筛选。
筛选项主要包含：语句是否通顺；是否包含错别字。
修改正确后再提交。
3.3通用长句类
1）定义
句长偏长的新闻类句子，话题广泛。
2）来源
越南新闻网站
4）筛选
网络爬取的句子，需交给越南人进行筛选。
筛选项主要包含：语句是否通顺；是否包含错别字。
修改正确后再提交。
3.4交互类
1）定义
人与语音助手的交互文本。
包含影视、音乐、天气、导航等多个领域。
2）来源
优先BD购买真实的交互句子。
若无法买到，只能用人工编写句式的方式。
要求：
i.句子长度在4-15字。
ii.文本来自真实的人机交互。
iii.语句必须通顺完整。
iv.句子不能包含色情、暴力、不文明、政治不正确等内容。
v.句子中不能包含错别字或无意义的符号。
vi.句子不能全是拟声词。
举例（以下为中文例子）：
给我唱首歌
我要去马德里大学怎么走
明天里约热内卢的天气如何
3.5家居命令
1）定义
人对智能家居设备发出的命令语句。
2）来源
来源：对各类家居设备（空调、灯、电视、冰箱等），人工编制命令语句。
举例（以下为中文例子）：
客厅灯关啦
把电视音量调高一些
把空调的风量减小
3.6车载命令
1）定义
人对智能车载设备发出的命令语句。
2）来源
来源：对车载设备，人工编制命令语句。
举例（以下为中文例子）：
接听电话
打开天窗
放首音乐
3.7数字串
来源：程序生成，共分为6个类别。
a. 日期类：**年**月**日，只要符合常规就可以，年：1001年-2020年，月：1-
12月，号：1-31号，同时不要出现像2月31日这样不存在的日期。
b. 时间类：**时**分**秒、**点+半/整/一刻/三刻。
c. 电话号码类：共11位，0-9数字随机组合。
d. 币种：（欧元、美元），
欧元：**euro(s)**cent (s)；
美元：**dollar(s)**cent(s)；
可以只包含其中的一类例如：**元；**分等。
3.8发音平衡
录音语料进行音素统计，对于音素少的进行语料补充。
4.采集要求
4.1录音人要求
1）口齿清楚，态度认真，避免说话结巴、大舌头、嗓音嘶哑等病理性发音的人。
2）参加录音的人（或其监护人）必须事先了解录音要求（录音方法、录音环境、朗读要求、合格指标）。
3）每人只能录制一份该项目录音。
如出现一人录制多份数据的现象将取消相应报酬。
4）录制人员对录音人的录音号段做好分配，避免号段重复使用。
4.2录音要求
1）录音设备及软件
使用手机采集。
手机需要摆放好，录制过程中不能移动。
录制前先清理好手机内存，防止录制还没有完成时手机内存不足。
需自备一台笔记本电脑（需要安装Cool Edit或者Adobe Audition，以便及时查看录音文件的波形图、语谱图等）和无声鼠标。
使用无声鼠标是为了避免录入鼠标点击声，导致数据不合格。
录制前先进行试录，确认手机上的录音文件没有截幅的情况。
2）录音环境
安静的室内，不能有其他人说话声、笑声，及其它噪音（鼠标点击声、敲击键盘声、空调声、音乐声、汽车声、风声、撞击声、突发噪音等），无回音。
不能在空旷的场地采集，例如：教室、礼堂、厕所、酒店大厅等。
周边噪音关联事项：
i.录音人外其他人的声音不采用。
ii.录音人的喘气声可以采用，但是声音过大不采用。
iii.其他噪音不采用。
例如：摔东西的声音、关门声、喝水声、笑声、翻书的声音、音乐声、咳嗽声、车
声等。
3）录音数据格式
手机：安卓（android）系统和苹果（iOS）手机应按照3:1的比例采集。
手机应该尽可能覆盖当前市面上的主流机型。
数据格式为无压缩WAV格式，采样率为16kHz，16bit量化，单通道。
4）朗读要求
用越南语朗读所有句子，必须是同一录音人完成一份语料的全部语句。
a)录音人必须发音自然、流利、清晰；禁止压低嗓子录音；禁止用耳语方式录音；禁
止夸张语气，笑着说话。
b)录音人严禁刻意变声、模仿等说话方式。
c)录音人语速适中，吐字清楚，避免结巴。
不能快到含糊不清，也不能慢到一字一顿。
d)录音时，嘴与手机保持20-25厘米距离。
禁止把嘴贴在手机处录音，这样会造成
严重的喷麦和截幅问题，会导致录制数据不合格。
e)录制一句话时，为保证嘴与手机的距离不变，尽量保持姿势位置不动，避免录音人
距离麦克风和手机忽近忽远。
f)录音时，应以提供的原始句子为准。
如果遇到不通顺或错字等影响正常朗读的句子，
朗读时可稍作修改。
g)患感冒时鼻音很重、或因病嗓子沙哑时，不能录音。
h)禁止一人录制多份语料，每人只能录制一份语料。
5）需要记录的录音人以及录音设备信息
对于每一个参加录音的录音人，需要记录如下信息：
（1）姓名；（2）性别；（3）年龄；（4）出生地；（5）成长地；（6）手机型号
可以在excel表格中记录如上信息，如下表所示：
5.标注要求
语音标注规则：
标注人员需要在标注平台截取出多个有效语音段。
有效语音段是指当前录音人的录制语音。
截取时应在语音实际的起止时间点前后各保留约0.5秒的静音段，但不可将领读人的语音截取进来。
无论一个语句是否有效，都需要在平台上截取出来，只是判断为无效的在平台上选无效。
但如果出现录音人读错句子，停顿后再读一遍的情况，则只截取对的句子即可。
有效性：
如果一句话完全是用规定之外的语言朗读的，则应该认定这句话无效。
例如：
“Save the file and try to import it again.”
在越南语标注中应认定为无效。
（如果一句话中包含一个或两个外文单词，则应遵从其他规范。
）
如果一句话没有录音人的语音，则应认定这句话无效。
如果一句话听不清录音人在说什么，则应认定这句话无效。
如果一句话中存在明显的语音不完整现象，则应认定这句话无效。
如果一句话有很强的背景噪音，则应认定这句话无效。
如果一句话有回音、空旷音，则应认定这句话无效。
如果一句话中有第二说话人的声音，则应认定这句话无效。
如果一句话存在丢帧的情况，则应认定这句话无效。
如果一句话存在截音/切音的情况，则应认定这句话无效。
如果一句话存在严重喷麦或多次喷麦的情况，则应认定这句话无效。
数字：
所有数字应根据他们的发音进行记录，不能写成阿拉伯数字。
“123”应写成：
一二三
标点：
以下为语音标注时可能用到的标点符号。
运用标点符合主要是为了方便阅读。
标点符号的类型仅限于以下几种。
句号“.”加在陈述句的结尾。
问号“?”加在疑问句的结尾。
逗号“,”加在满足语法规范的从句之间。
对质检员的要求：标点符号为可选项（标注员可以用抑或不用。
）
质量保证
标注的句正确率应该在95%（含）以上。
如果语句的一部分出现了以下标注错误：错误标注，有效错误等，则认定这句话为错误标注语句。
标注准确率=1-（错误的标注语句数/全部标注语句数）
6.发音词典
制作配套的发音词典，覆盖所有标注文本里出现的单词。
