制作语音识别训练集时，音频标注要让每个标签能定位到原录音的时间区间。Label Studio 的 Audio 控件显示波形，Labels 控件可标出片段。先用一条获授权录音验证导出结构，再扩展为批量标注。
准备一条任务
确认录音使用权、是否含姓名与电话，以及标注员能否访问文件。把演示录音放在项目允许访问的位置，任务数据里的 audio 字段填可访问的 URL。本机路径不能直接交给远程标注员。下面域名只是格式示意，须替换为自己的受控地址。
{"audio":"https://example.org/authorized/meeting-demo.wav","record_id":"demo-001"}配置区域标签
新项目的标注界面配置可从下列 XML 开始。toName 与 Audio name 都是 audio；不一致会让区域标签无法绑定录音。这里标“讲话”和“其他声音”，并不自动转写文字。
<View>
<Labels name="sound_type" toName="audio">
<Label value="讲话"/>
<Label value="其他声音"/>
</Labels>
<Audio name="audio" value="$audio"/>
</View>导入任务，打开波形，先完整听一遍，再拖选确实听到讲话的区间并选择“讲话”。如果要标完整句子，先约定停顿、重叠说话和呼吸声的边界规则。对示例任务，可把 3.1–8.2 秒作为操作格式示意；这不是对某段真实录音的测量。
导出并复核
从项目导出 JSON，找到 data.audio 和 annotations[].result[]。官方 Audio 控件的区域结果包含 value.start、value.end 和标签值。导出结构还会带任务、标注员等信息，训练前只提取经过审阅且结构符合预期的记录。
{
"value": {"start": 3.1, "end": 8.2, "labels": ["讲话"]}
}逐条检查 0 ≤ start < end ≤ 录音时长，再按起止秒数回听。若 URL 无法播放、导出为空或标签时间错位，先停止批量作业。最好让两名标注员独立处理同一短样片，比较分歧后修改边界规则。Label Studio 不保证标出的区域可直接训练语音识别模型；还需核对目标训练框架要求的标签格式。
与站内预标注流程的关系
站内已有内容讲模型预标注，本篇处理人工定义区域标签、回听和导出校验。即使先用模型给出建议，最终训练标签仍要经人工抽查。本文没有在实际团队项目测量标注速度或一致率。
来源与适用范围
以下官方资料核对于 2026 年 10 月 1 日。界面、模型和许可如有变化，以打开时的官方页面为准。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/31775.html
