任务5.3 ASR标注数据可视化

项目五《数据可视化服务》主讲教师:候佳丽Datavisualizationservice任务三：ASR标注数据的可视化CONTENTS目录任务需求01Taskrequirements可视化需求02VisualizationrequirementSASR标注数据可视化03ASRannotationdatavisualization任务需求在语音识别（ASR）、语音合成（TTS）、说话人识别等语音技术的研究与应用中，语音标注数据的可视化分析

是确保数据质量、优化模型性能的关键环节。其重要性主要体现在以下几个方面：1.提升数据质量，优化模型训练。2.理解语音特征，优化算法设计。3.支持语音技术的关键应用4.提高标注效率，降低人工成本5.支持学术研究与工业落地可视化需求在完成语音标注后

，研究员想了解标注数据的数据分布情况

，探索数据的基本信息：01判断语音振幅；02分析语音是低声、大声或者噪音；03通过语音基频分析语音数据属于男声、女声。可视化需求数据可视化的需求分析：01判断语音振幅；02分析语音是低声、大声或者噪音；03通过语音基频分析语音数据属于男声、女声。绘制振幅图绘制音强图绘制基频分析图在完成语音标注后，研究员想了解标注数据的数据分布情况，探索数据的基本信息：ASR标注数据的可视化在商汤教育平台下载ASR语音标注数据集ASR标注数据的可视化振动物体离开平衡位置的最大距离，叫做振动的“振幅”,振幅是用来表示振动强弱的物理量，振幅大，则振动强度大；振幅小，则振动强度小。步骤9:

打开“任务5-3:

ASR

标注数据的可视化”中的amplitude.ipynb

文件，运行程序。结果如下图所示：全部声音振幅声音片段振幅amplitudeampitudeASR标注数据的可视化在上节中我们已经介绍了音强的基本概念，也使用praat工具获取了音强数据。接下来我们使

用python

库来绘制音强的折线图，使用2组数据绘图。其中一组数据是正常声，另一组为白噪声。步骤9:

打开“任务5-3:

ASR

标注数据的可视化”中的intensity.ipynb文件，运行程序。

结果如下图所示：120正常声白噪音100802000.00.5

1.5

intensity

[dB]2.0

2.5time

[s]ASR标注数据的可视化音强为20-50分贝时属于安静，大声说话为60-70分贝，开始感到吵的声音为70分贝，开始破坏耳蜗细胞的声音为105分贝。从图中可以看出红色曲线的音高在80-90分贝之间，因此这

个音频让人感觉吵；绿色曲线的音高是20-80分贝之间，大多分布在50-70分贝之间，因此这

个音频是大声说话。120正常声白噪音100802000.00.5

1.5

ASR标注数据的可视化在上节中我们已经介绍了基频的基本概念，也使用Praat工具获取数据并绘制了基频图，接下来我们使用python库来绘制基频的折线图，使用2组数据绘图。步骤9:

打开“任务5-3:

ASR

标注数据的可视化”中的pitch.ipynb文件，运行程序。

结果如下图所示：ASR标注数据的可视化男声的平均基频为100～150Hz,

女声的平均基频为250~500Hz。因此可以判断红色的是