1.4 Annotointityökalut

Puheen annotointiin on olemassa monia työkaluja, joilla on erilaisia ominaisuuksia. Tämä ohjeistus soveltuu parhaiten annotointiin Puh-editori-nimisellä ohjelmalla. Annotaatiota voi kuitenkin tehdä myös muilla ohjelmilla, kunhan pitää mielessään tässä dokumentissa annetut ohjeet (ks. esim kuva 1.1). Tällöin annotaatiotiedostot voidaan automaattisesti muuntaa puhetietokantajärjestelmään sopiviksi.

Kuva 1.1: Esimerkki dialogin annotaatiosta Praat-ohjelmalla. Puhujien S1 ja S2 puheeseen liittyvät annotaatioyksiköt on merkitty eri kerroksiin. Topic-kerroksessa on vapaamuotoinen englanninkielinen kuvaus puheenaiheesta: tässä on menossa keskustelu vanhoista elokuvista.

1.4.1 Annotointi Puh-editorilla

Puh-editori ohjaa käyttäjää noudattamaan ohjeita ja määrittelemään käyttämänsä annotaatioyksiköt tarkasti. Puh-editorissa voidaan annotoida lukuisia annotaatiokerroksia samanaikaisesti. Puh-editoria käyttämällä kaikki annotaatiot ovat suoraan yhteensopivia liitettäväksi puhetietokantaan, ja niitä voidaan myös helposti jakaa muiden tutkijoiden kanssa. Puh-editori voidaan asentaa tietokoneisiin, joissa on Windows- tai
Linux-käyttöjärjestelmä. Editorin voi ladata ilmaiseksi omalle koneelleen www-osoitteesta

http://www.csc.fi/kielipankki/puhe/index.phtml

Samassa paikassa on myös ohjelman käyttöopas.

1.4.2 Annotointi Praat-ohjelmalla

Jos käytät annotointiin Praat-ohjelmaa (5), kaikki tekemäsi annotaatiokerrokset (Tier) ovat fyysisesti täysin erillisiä. Eri kerroksissa olevien yksiköiden välisiä suhteita voi kuitenkin kuvata niiden mahdollisen ajallisen päällekkäisyyden avulla. Tätä tietoa voi Praatin sisällä hyödyntää vain skripteissä.

Praat-ohjelmalla tehdyt annotaatiotiedostot (TextGrid) on mahdollista muuntaa puhetietokannan käyttämään muotoon. Osoitteessa

http://www.csc.fi/kielipankki/puhe/index.phtml

on linkki ohjattuun konvertointi- ja julkaisutyökaluun (Publish TextGrid Web Wizard), joka muuntaa Kielipankin puheaineistoista tehdyt annotaatiotiedostot Puh-editorin ymmärtämään muotoon ja julkaisee annotaatiokerrokset. Tämä mahdollisuus kannattaa huomioida jo Praatilla annotoitaessa.

• Varmista, että sellaisilla eri kerroksissa olevilla annotaatioyksiköillä, joilla on keskenään esimerkiksi osa-kokonaisuussuhde, on täsmälleen päällekkäiset alku- ja loppurajat. Esim. jos annotoit Praatilla sanakerroksen ja tavukerroksen, varmista, että sanan alkuraja on täsmälleen samalla kohdalla kuin sanan ensimmäisen tavun alkuraja, ja että sanan loppuraja on täsmälleen samassa kohdassa kuin sanan viimeisen tavun loppuraja (ks. esimerkkejä sanakerroksesta kuvassa 1.1). Tietyssä kerroksessa oleva rajaviiva voidaan kohdistaa toisessa kerroksessa olevan rajan kanssa ''tarttumalla'' rajaan hiirellä, vetämällä se toisessa kerroksessa olevan rajan päälle ja vapauttamalla sitten hiiren painike. Kohdistettujen rajojen perusteella voidaan haku- ja analyysivaiheessa yhdistää tavuyksiköt vastaaviin sanayksiköihin.
• Jos jonkin annotaatiokerroksen A yksiköille pitää määrittää lisäpiirteitä tai
  -ominaisuuksia niin, että kutakin segmenttiä tms. yksikköä vastaa aina maksimissaan yksi toisen tason B yksikkö tai piirre, pidä huolta, että kerros A on tyyppiä IntervalTier ja kerros B tyyppiä PointTier. Merkitse kerrokseen B piste tai ankkuri (point) silmämääräisesti suunnilleen A-kerroksen vastaavan yksikön puoliväliin. Anna tarvittaessa B-tason pisteille nimet, jotka kuvaavat piirteen arvoja tai sisältöjä.
  Tässä tapauksessa PointTieriä kannattaa käyttää, koska segmenttirajoja joutuu merkitsemään vähemmän, eikä B-tason rajojen kohtia yleensä tarvitse korjata, vaikka A-tason segmenttien rajat hieman muuttuisivatkin. PointTierin sisältämät piirrearvot on Puh-editorissa helppo muuntaa A-tasolle merkittyjen yksiköiden piirteiksi.