Ljudmärkning

Ljudmärkning är processen att märka ljudbaserad data med metadata och etiketter som beskriver innehållet, händelser eller akustiska egenskaper i en ljudfil. Syftet är att underlätta sökbarhet, analys och återanvändning av ljudmaterial inom områden som lingvistik, musikforskning, talteknik och bioakustik. Ljudmärkning kan vara tidslinjeorienterad, där etiketter kopplas till specifika tidspunkter i ljudströmmen, eller icke-tidsbunden, som metadata som beskriver övergripande egenskaper.

Inom lingvistik används ljudmärkning för fonetisk transkription, segmentering av fonem och markering av prosodi samt ordgränser. Inom talteknik används det för träning av taligenkänning och syntes. Inom musikforskning och ljudklassificering används märkningssystem för ackord, tempo, instrument och genre. Inom bioakustik används märkt ljud för att studera djurs kommunikation.

Typer av annotationer inkluderar texttranskriptioner med tidsstämplar; fonetiska eller fonemiska transkriptioner; talars identitet; känslotillstånd/intonation; samt händelsebaserade ljud som “skott”, “hundbarkning” eller miljöljud.

Metoderna varierar mellan helt manuella annoteringar av utbildade annotatorer och automatiserade eller semiautomatiserade processer som använder taligenkänning eller detektion av ljudhändelser. Vanliga verktyg inkluderar ljud- och språkannoteringsmiljöer och filformat som TextGrid och ELAN EAF, samt JSON- eller XML-baserade scheman för maskinläsbar metadata.

Utmaningar innefattar subjektivitet, kräver tydliga riktlinjer och mått för överenskommelse mellan annotatörer, och resurskrävande arbetsflöden. Standardisering av format och metadata underlättar delning och jämförelse mellan studier och uppgifter.