新人提问：我的这些工作有无意义

[chinajuanbob]

因为一些需要，我正在做一项把VOA每天新闻mp3和对应文本整理的工作，并且最近似乎能在音频自动断句上做点东西出来。

我是个新人，对语料库基本没有了解。我就想问问大家，我这样的工作和语料库中语料收集环节有没有关系，类似的东西目前进展如何，意义何在？

最好能给我些关键词之类的信息，如果能为发表论文指明方向，则更是感激不尽～

 

[laohong]

回复: 新人提问：我的这些工作有无意义

如果能做好了， 在几个方面上都会有有很大的贡献的。常见的口语语料库发布时由于种种原因无法做到音频和文本同步的，如果你的工作能把音频和文本的对应，本身就是一个贡献。如果还能在音频自动断句上搞点东西出来，做到time-aligned检索，那是再好不过了。

 

[chinajuanbob]

回复: 新人提问：我的这些工作有无意义

因为我对语料库基本上一点都不了解。还有很多问题：

1、所谓音文同步，是做到句的层面还是词的层面？
2、还有音频质量有没有要求，比如我现在用的VOA都是网上下的，然后整理的。只有纯人声，基本没有背景音？
3、我现在的想法至少能实现半自动断句，稍稍要一点人工干预。
4、另外，我查了查，类似的工作有很多论文涉及，那么实际使用的语料库这方面是个什么水平？
5、有没有什么关于语料库建设的概述文章或者帖子可以参考？

又问了很多问题，麻烦您受累解答了。

 

[laohong]

回复: 新人提问：我的这些工作有无意义

.....1、所谓音文同步，是做到句的层面还是词的层面？

主要看你的目的和能力，如果要做到检索每个词及其发音，那当然就最好做到词的层面。

.....2、还有音频质量有没有要求，比如我现在用的VOA都是网上下的，然后整理的。只有纯人声，基本没有背景音？

就你的研究目的来说，除了人声，你还想听到什么声音？

.....3、我现在的想法至少能实现半自动断句，稍稍要一点人工干预。

能做到这样也不错。

.....4、另外，我查了查，类似的工作有很多论文涉及，那么实际使用的语料库这方面是个什么水平？

那就应该在这些文献里找答案。

.....5、有没有什么关于语料库建设的概述文章或者帖子可以参考？

这个网站里就有很多。

 

[xiaoz]

回复: 新人提问：我的这些工作有无意义

It would be very useful in building spoken and/or multimedia corpora to be able to time-stamp transcripts and align them with digital audio files and/or video clips automatically, even at the level utterance units - of course even better at the level of turns, phrases, or words, if that be automated - the latter would be difficult if your program depends on the length of pauses alone, if it does not different between different sound waves.

 

[chinajuanbob]

回复: 新人提问：我的这些工作有无意义

谢谢！