Атты І халықаралық конференция ЕҢбектері


Transcripts and annotation



Pdf көрінісі
бет234/326
Дата07.01.2022
өлшемі8,57 Mb.
#19269
1   ...   230   231   232   233   234   235   236   237   ...   326
Байланысты:
Болатбек М. (1)

 Transcripts and annotation 

 
Each audio file is provided with its corresponding orthographic transcription and TIMIT-
style word-level segmentation as well as morpho-syntactic annotation files. All the data processing 
to obtain these files were performed manually by the trained linguists. 
The transcriptions files contain the exact orthographic transcription of the utterances, which may 
differ from the original text. For example, the numbers, abbreviation, foreign words and dates are 
expanded depending on how they were uttered by the speakers. In addition, the transcription of the 
stories have the sentence boundaries labeled with  and .  
The  segmentation  was  performed  using  WaveSurfer  [8],  an  open-source  tool  for  sound 
visualization and manipulation, which supports TIMIT word-level transcription format. Although it 
supports Unicode, it does not support Kazakh symbols well. Therefore, we used an ASCII version 
of the Kazakh letters.  Also,  we used # symbol for the pauses and silence, and ^  symbol for other 
non-speech events. 
The morpho-syntactic annotation is includes part-of-speech and morpheme segmentation of each 
word as well as the information on syntax for each sentence.  


Достарыңызбен бөлісу:
1   ...   230   231   232   233   234   235   236   237   ...   326




©emirsaba.org 2024
әкімшілігінің қараңыз

    Басты бет