Audiodatensammlung

Definition

Bei der Audiodatenerfassung werden Rohtonaufnahmen gesammelt, um KI-Systeme zu trainieren und zu bewerten. Die Daten können Sprache, Musik oder Umgebungsgeräusche umfassen.

Zweck

Ziel ist es, repräsentative Datensätze zu erstellen, die eine zuverlässige Leistung von Audiomodellen bei verschiedenen Akzenten, in verschiedenen Umgebungen und auf verschiedenen Geräten ermöglichen.

Bedeutung

• Unverzichtbar für das Training robuster Sprach- und Audiosysteme.
• Um Voreingenommenheit zu vermeiden, muss die Vielfalt (Sprachen, Bedingungen) berücksichtigt werden.
• Erfordert strenge Datenschutz- und Zustimmungsmaßnahmen für aufgezeichnete Stimmen.
• Die Qualität der Sammlung wirkt sich auf die nachgelagerte KI-Leistung aus.

Funktionsweise

1. Definieren Sie die Ziele (z. B. Spracherkennung, Geräuscherkennung).
2. Wählen Sie Aufnahmegeräte und Umgebungen aus.
3. Rekrutieren Sie Sprecher oder sammeln Sie natürliche Aufnahmen.
4. Nehmen Sie Audio auf und kontrollieren Sie dabei Rauschen und Qualität.
5. Speichern Sie Aufnahmen mit Metadaten zur späteren Verwendung.

Beispiele (Reale Welt)

• Google Speech Commands: Crowdsourcing-Datensatz gesprochener Befehle.
• UrbanSound8K: Datensatz mit beschrifteten Umgebungsgeräuschen.
• LibriSpeech: Aus Hörbüchern abgeleitetes Korpus für die ASR-Forschung.

Referenzen / Weiterführende Literatur

• Richtlinien zur Erfassung von Sprachdaten – Linguistic Data Consortium.
• Datensätze zur Audioerkennung – Dokumente mit Code.
• ISO/IEC TR 20547-5: Big Data-Referenzarchitektur – ISO.
• Audiodatenerfassung – Shaip