NER-PhA-Vol1

MM 0418/2018

Fig.1 webpage NER-PhA-Vol1 cover.

README.md

NER-PhA-Vol1 （beta）

by 張詠翔、廖元甫 臺北科技大學

NER Phonetic Annotation 語料庫第一集（ NER-PhA-Vol1），為臺北科技大學和國立教育廣播電台合作產製之語料庫，主要目標是要符合語言學研究需精細標記語音特徵之需求。語料庫選用近三年教育電台製作之節目（內容大部分是談話性節目，因此多為自發性語音，只有少部分是新聞類朗讀語音），並挑選其中以wav格式儲存、是在錄音室錄製、且無背景噪音或襯樂等條件之語料，進行人工標註。目前從約20小時節目中，經人工標註，萃取出約6小時之精華語料（標記到phone邊界）。包括有50位成人語者(27位男性，23位女性)。

處理程序

所有語料皆先經過臺北科技大學製作之大字彙語音辨認器（LSTM+RNNLM），自動進行語音辨識，產生音檔逐字稿、然後請具語言學背景，訓練有素之學生進行檢驗、校正語音標記。再使用 Yuan & Liberman (2008) 的Mandarin Forced Aligner，自動產生音段、音節標記，最後再由受過語音學訓練之專任研究助理進一步進行檢驗與校正。

標記以Praat軟體進行，儲存格式為TextGrid，目前共標記四層資訊，包括：

第一層：音段資訊，標注音素種類

第二層：音節資訊，標記為語音對應之文字

第三層：語者資訊，標記語者編號（可已透過speaker.xlsx進行語者背景比對）

第四層：語碼轉換 (code switching; 如：中台夾雜、中英夾雜)。無法轉寫文字之感嘆詞標記，包括：

<S>：完全聽不懂說話者所言 (Skip)

<O>：說話者字詞重疊 (Overlap)

<L>：笑聲 (Laugh)

<N>：非語言之雜音；有背景雜音干擾 (Noise)

<E>：英語 (English)

<T>：臺語 (Taiwanese)

<I>：感嘆詞 (Interjection)。遇到「嗯」、「呃」、「吼」等表示贊同、遲疑或無明確意義的感嘆詞