背景信息

音頻分類

音頻分類（Audio Classification）是指從一組固定的分類標簽集合中，找到與輸入音頻內容相匹配的一個或多個分類標簽，并將其分配給該輸入音頻。該模板支持單標簽和多標簽音頻分類。

• 應用場景

  場景聲音分類等。

• 數據結構

  • 輸入數據

    manifest文件的每行數據是一道題目，且每行數據必須包含source字段。

    {"data":{"source":"oss://tongxin-lly.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
    ...

  • 輸出數據

    manifest文件的每行數據由題目和標注結果一起生成。每行數據的JSON結構如下。

    {
        "data": {
            "source": "oss://itag.oss-cn-hangzhou.aliyuncs.com/tongxin_audio/6.wav"
        },
        "label-1432993193909231616": {
            "results": [
                {
                    "questionId": "1", 
                    "data": "標簽1", 
                    "markTitle": "單選", 
                    "type": "survey/value"
                }
            ]
        }
    }

音頻分割

音頻分割（Audio segmentation）是指將一段音頻通過識別后，利用波形圖將音頻分割成多段，并匹配上不同的標簽內容。

• 應用場景

  對話內容分析等。

• 數據結構

  • 輸入數據

    manifest文件的每行數據是一道題目，且每行數據必須包含source字段。

    {"data":{"source":"oss://tongxin-lly.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
    ...

  • 輸出數據

    manifest文件的每行數據由題目和標注結果一起生成。每行數據的JSON結構如下。

    {
        "data": {
            "source": "oss://itag.oss-cn-hangzhou.aliyuncs.com/tongxin_audio/21.wav"
        }, 
        "label-1435480301706092544": {
            "results": [
                {
                    "duration": 0, 
                    "objects": [
                        {
                            "result": {
                                "音頻識別結果": "通過音頻識別得到的結果內容1。", 
                                "單選": "標簽1"
                            }, 
                            "color": null, 
                            "id": "wavesurfer_ei0aet9uvp8", 
                            "start": 2.3886218302094817, 
                            "end": 4.635545755237045
                        }, 
                        {
                            "result": {
                                "音頻識別結果": "通過音頻識別得到的結果內容2。", 
                                "單選": "標簽2"
                            }, 
                            "color": null, 
                            "id": "wavesurfer_kl39gnlb2k", 
                            "start": 5.698280044101433, 
                            "end": 7.348048511576626
                        }
                    ], 
                    "empty": false
                }
            ]
        }
    }

音頻識別

音頻識別ASR是指將一段音頻識別為文本內容，同時可以進行相應標簽的匹配。

• 應用場景

  方言識別等。

• 數據結構

  • 輸入數據

    manifest文件的每行數據是一道題目，且每行數據必須包含source字段。

    {"data":{"source":"oss://tongxin-lly.oss-cn-hangzhou.aliyuncs.com/iTAG/audio/1.wav"}}
    ...

  • 輸出數據

    manifest文件的每行數據由題目和標注結果一起生成。每行數據的JSON結構如下。

    {
        "data": {
            "source": "oss://itag.oss-cn-hangzhou.aliyuncs.com/tongxin_audio/14.wav"
        }, 
        "label-1435448359497441280": {
            "results": [
                {
                    "questionId": "1", 
                    "data": "通過音頻識別得到的結果內容。", 
                    "markTitle": "音頻識別結果", 
                    "type": "survey/value"
                }, 
                {
                    "questionId": "3", 
                    "data": [
                        "標簽1", 
                        "標簽2"
                    ], 
                    "markTitle": "多選", 
                    "type": "survey/multivalue"
                }
            ]
        }
    }