16 lines
2.0 KiB
Markdown
16 lines
2.0 KiB
Markdown
# 韩泰可编辑初稿
|
|
|
|
源文件为 `data/韩泰机器人抢话/韩泰机器人抢话测试数据集-已校对.xlsx` 的“测试数据集”第 2–40 行，涵盖 6 通录音、39 条用户发言。忽略表尾的生成标识。
|
|
|
|
`asr_history.csv` 包含 76 条转写：39 条用户发言、37 条机器人发言。原表连续重复的“上一句机器人”合并为一个片段。这里只转换原表覆盖的内容，录音中的开场、重试和其他未收录发言仍需人工补充。
|
|
|
|
原表没有时间信息。初稿使用双声道音量和静音间隔提取语音区间，暂按右声道为机器人、左声道为用户，按顺序和时长匹配原表。连续多条回答共用一个机器人提问时，响应窗口按文本长度分配初始片段边界。这只是便于编辑的估计，不是词级对齐；声道角色、文本和起止时间均需回听校正。
|
|
|
|
`eot_labels.csv` 包含 39 个判断点，暂放在对应用户片段结束位置。用户文本直接复制原表，未推算句中字符。原表 D 列“被抢话=是”暂映射为 `can_reply_now=0`，“否”映射为 `1`；E 列无表头，仅用于发现与 D 列矛盾的记录，5 条矛盾记录的标签留空并设为 `uncertain`。全部置信度为 `low`、标注员为 `xlsx_draft`。这些标签是从抢话结论生成的候选值，不等同于经过该判断时刻核验的 EOT 真值。
|
|
|
|
请先回听每个判断点，校正 `decision_ms` 与 `user_text_at_decision`，再确认标签、原因和置信度。`source_rows.json` 保留原行号、原标签及无表头列的原值，便于追溯。
|
|
|
|
网页在没有“工作数据”时自动读取此初稿。编辑后点击“保存到项目”，写入 `labels/EOT标注/工作数据/`。已有工作数据优先，初稿与原 XLSX 均不被网页保存覆盖。
|
|
|
|
重新生成：在安装了 NumPy 和 FFmpeg 的环境中运行 `python3 labels/eot-studio/scripts/convert-hantai.py`。仅重新生成“韩泰初稿”，不会修改“工作数据”。
|