Praat脚本-029 | 一种更有效的校对音频内容的方案
目录
- 引题
- 具体步骤
- 1、字音校对
- 数据说明
- 生成TextGrid
- 校对过程
- 提取数据
- 2、语音转写
- 数据说明
- 生成TextGrid
- 转写过程
- 提取数据
- 获取脚本
- 关注
- 版权说明
引题
在语音标注工作中，精标是大多数情况下必需的。在大数据、人工智能的背景下，因为数据量的关系，或者是由于需求的限定，有一类工作是只需要粗略校对，即我们只需要根据音频校对好它的内容，不用象精标那样要对每一个发音细节都标注清楚；另外，这个工作也可能用于这种情况，即语音转写，我们需要根据听到的音频，将内容写出来。后者是可以通过语音识别辅助实现的，虽然效果并不能达到100%， 但是毕竟省去了很多人力。本次分享的脚本则跟这类工作有关。
现在的问题在于能更快捷的校对音频和读音的一致性，大的公司是有自己专门的校对平台的，既可以保证数据不外泄，也可以省去数据传来传去的麻烦，对于其它公司或者个人来说，当得到这样的任务的时候，如果采用传统的办法，一边打开播放器，一边打开一个Excel/记事本一条一条的校对，这显然效率较低，而且容易出错！
在此推荐的是一种利用Praat的校对方案，我们使用脚本制作成一层的TextGrid，校对的时候目标更明确，不容易出错，而且音频也可以反复播放。
扩展一下，为了描写音频里可能出现的问题，也可以加一些自己定义的符号，比如这句话可能是不需要的，你可以在固定的位置标一些符号，后续使用的时候方便过滤。如下，我们设定在句首加一个*号，这样在提取内容的时候可以忽略这一句。
校对工作完成之后，也提供了一个脚本用来提取你标注的内容。
具体步骤
1、字音校对
数据说明
当前我们的任务是有一批音频，和对应的内容，这些内容是与音频一一对应的，我们要做的只是校对它的内容是否一致。
000001.wav
000002.wav
...
以及一个对应的文本，这个文本可以放在表格里先整理好，作为脚本输入的时候要拷贝到记事本里，保存为文本文件。
脚本运行的时候我们需要制作成这样的格式，要加一个表头，两列之间用tab隔开。
filename sentence
000001 这是第一句的内容
...
生成TextGrid
本篇脚本在第29个目录，29-gen_one_tier_TextGrid\create_one_tier_TextGrid.Praat， 具体地址参考文末的github项目地址。
Praat运行脚本，Praat->Open Script->create_one_tier_TextGrid.Praat
- 第一个输入：示例文件放在
wavs里，这个目录里是所有的音频文件； - 第二个输入：就是上面所说，我们准备的文本文件路径；
- 第三个是输入路径：这里是放在
outTextGrids目录里；
友情提醒：好多同学在评论里，或者在QQ咨询群里，问起自己运行脚本有问题，看上去就是路径的问题，在这里提示那些对设置路径不熟悉的同学，就可以把我的示例数据删掉，放进这个目录运行就好。
运行之后，在outTextGrids目录里，生成只有一层的TextGrid文件，并且加进了我们给定的文本内容。
校对过程
这一过程是利用前面介绍的文章，使用一个辅助校对的工具，省去每次打开Praat，打开文件，保存文件这一繁琐过程。
Praat使用 | 辅助Praat进行标注的工具
提取数据
艰苦的校对工作完成之后，我们需要将我们校对的内容提取出来了，这也是利用脚本操作。这一次是利用第29个目录里的29-gen_one_tier_TextGrid\extract_one_tier_TextGrid.Praat脚本。
Praat运行脚本，Praat->Open Script->extract_one_tier_TextGrid.Praat
- 第一个输入：就是我们前面生成的
outTextGrids目录； - 第二个输入：就是我们需要保存提取出来的内容的文本文件路径；
最终我们得到的结果如下，前面提到我们可以过滤一些特殊的符号，比如加了一些符号的不提取，在此脚本没有提及，因为每个人可能加符号的想法不同，如果有类似的想法，可以在提取的时候加一个判断即可。
2、语音转写
数据说明
当前我们的任务是有一批音频，这次的区别是没有对应的内容，我们要做的只是写出它的内容。
000001.wav
000002.wav
...
生成TextGrid
本篇脚本在第29个目录，29-gen_one_tier_TextGrid\create_one_tier_TextGrid.Praat， 具体地址参考文末的github项目地址。
Praat运行脚本，Praat->Open Script->create_one_tier_TextGrid.Praat
- 第一个输入：示例文件放在
wavs里，这个目录里是所有的音频文件； - 第二个输入：因为我们并没有具体的文本内容，这里置空就可以了；
- 第三个是输入路径：这里是放在
outTextGrids目录里；
友情提醒：好多同学在评论里，或者在QQ咨询群里，问起自己运行脚本有问题，看上去就是路径的问题，在这里提示那些对设置路径不熟悉的同学，就可以把我的示例数据删掉，放进这个目录运行就好。
运行之后，在outTextGrids目录里，生成只有一层的TextGrid文件，但是是空白的，在辨听了音频内容之后，可以写进内容。
转写过程
这一过程是利用前面介绍的文章，使用一个辅助校对的工具，省去每次打开Praat，打开文件，保存文件这一繁琐过程。
Praat使用 | 辅助Praat进行标注的工具
提取数据
艰苦的校对工作完成之后，我们需要将我们校对的内容提取出来了，这也是利用脚本操作。这一次是利用第29个目录里的29-gen_one_tier_TextGrid\extract_one_tier_TextGrid.Praat脚本。
Praat运行脚本，Praat->Open Script->extract_one_tier_TextGrid.Praat
- 第一个输入：就是我们前面生成的
outTextGrids目录； - 第二个输入：就是我们需要保存提取出来的内容的文本文件路径；
最终我们得到的结果如下，前面提到我们可以过滤一些特殊的符号，比如加了一些符号的不提取，在此脚本没有提及，因为每个人可能加符号的想法不同，如果有类似的想法，可以在提取的时候加一个判断即可。
获取脚本
https://github.com/feelins/Praat_Scripts
说明：近期，貌似遇到了github如果不科学上网无法访问的情况，笔者也发现这个问题，后期有时间会将代码同步在一个国内容易访问的代码管理空间，目前还没有想好，请大家谅解哈，有兴趣可以加文末的QQ群，在群里私信发，会直接发给大家代码。
本站所有Praat脚本都可以在上述github的项目目录里找到，如果日常对代码、脚本操作比较熟练的可通过下载、安装、配置github for windows在自己的电脑上通过git clone将代码下载到本机，这样的好处是可以跟主站及时更新代码。
不想费如此脑筋，可以通过点击如下图Code位置所示，下载整站的代码，可直接使用。
关注
关于对本站脚本的使用咨询，以及功能修改，增加等，都可以扫QQ咨询群，私信群主。
版权说明
1、版权归本博客作者所有；
2、未经本站或者作者允许， 不得任意转载本文内容，否则将视为侵权；
3、转载或者引用本文内容请注明来源及原作者；
4、对于不遵守此声明或者其他违法使用本站内容者，本人依法保留追究权等。
Praat脚本-029 | 一种更有效的校对音频内容的方案相关推荐
- Praat脚本-003 | 一种高效的将连续录制的音频切分的方案
文章目录 前言 引题 要点 数据Demo 技术方案 步骤一 人工定句子边界 步骤二 利用脚本切分 第一种情况,直接使用数字保存 第二种情况,利用标注的内容作为文件名 运行脚本 特别说明 如何获取脚本 ...
- Praat脚本-000 | 实用的Praat脚本总索引
该项目包括一些Praat常用脚本,并结合简单实例说明如何使用这些脚本,每一个独立的目录里面有示例文件以及结果文件,适用于已经对Praat基本操作有些了解,对时长,基频,共振峰等基本声学参数有所了解的初 ...
- Praat脚本-025 | 轻松合并不同目录里的TextGrids
这里写目录标题 使用背景 实现效果 使用说明 获取脚本 关注 版权说明 使用背景 假定现在有这样一个场景,你得到一大批TextGrids,这些大概有1000条,这1000条是不同的人完成的,你的同学A ...
- Praat脚本-033 | Praat脚本裁剪归整句中停顿
目录 引题 方案介绍 第一种 存在标注 第二种 没有标注 补充说明 获取脚本 版权说明 引题 作者曾经分享过一个脚本,是可以处理一个音频中首尾的静音段,Praat脚本-013 | 无需标注自动切除音频 ...
- Praat脚本-004 | 替换标注内容
目录 引题 代码段 运行脚本 格式要求 替换实例一 替换实例二 替换实例三 运行脚本 获取脚本 关注 版权说明 引题 我们在做音频标注的过程中,经常遇到需要批量修改某个地方,比如最开始标的发音aa,后 ...
- Praat脚本-006 | 批量修改删除复制某一层
目录 引题 运行脚本 第一种情况:增加interval层级 第二种情况:增加point层级 第三种情况:删除某个层级 第四种情况:将某一层复制到其它位置 第五种情况:将某一层的名称修改 补充说明 获取 ...
- Praat脚本-022 | 提取时长和音强
目录 引题 操作解释 运行脚本 获取脚本 关注 版权说明 引题 提取基频Praat脚本-009 | 提取时长和基频,提取共振峰Praat脚本-010 | 提取时长和共振峰,提取音强,这大概是最常用的三 ...
- Praat脚本-019 | Praat批量修改音频通道数
目录 引题 运行脚本 获取脚本 关注 版权说明 引题 今天为大家推荐一个脚本,是批量修改音频的通道数量的,有时候由于一些专业录音设备在录音的时候,可能是用的双通道录音的,也称为stereo,当用Pra ...
- Praat脚本-007 | 计算目录里音频或者TextGrid总时长
目录 引出 简便操作 脚本 脚本说明 运行脚本 如何获取脚本 关注 版权说明 引出 统计录音时长,是大家经常用到的一个功能,统计的方法有很多,这里小编只介绍两种,一种是在win10系统中的资源管理器中 ...
最新文章
- 5-5 表格输出 (5分)
- mysql 5.7.20主从配置_mysql5.7.20免安装版配置方法图文教程
- 【转】怎样判断自己掌握了学到的新知识
- java 优酷视频缩略图_优酷视频缩略图
- 利用深度学习识别滑动验证码缺口位置
- 战网下载CDN重定向失败_卧槽，又开源一个下载神器,利用各种平台下载任意文件...
- 搜索图片及相似度探秘 二
- 局域网 ARP 欺骗原理详解
- “adb server is out of date.
- java rcp教程_Eclipse RCP教程 - 13 - 练习：创建Eclipse RCP程序 | JavaFX中文资料
- 行业认证标准：IEC 61508电气/电子产品功能安全“通用”国际标准
- 2016版excel_一招鲜，吃遍天之四：高效办公必备工具——Excel 易用宝
- ASP.NET选择题部分集合
- ValueError: `generator` yielded an element of shape (2,) where an element of shape (?, ?) was expect
- gdb - 暂停/恢复程序执行
- 据说是新浪乐居的面试题及我的答案
- python通过代理发送邮件_python发送邮件
- Paxos协议学习——译《The Part-Time Parliament》
- python避坑_使用Python时多少有人走过的坑！避险！
- Jenkins集成RF的插件下载