Label Studio 音频分类标注模板从基础配置到嵌套分类的完整实战指南【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio本文以 Label Studio 开源仓库中的官方音频分类标注模板 audio_classification.md 为核心骨架完整拆解该模板的标签配置语法、参数含义与运行效果并结合仓库内的Audio对象标签、Choices控制标签源码文档以及分类模板真实示例给出可复制、可运行的标注配置。读完本文你将能够在 Label Studio 中搭建听音频 → 选主题的整段音频分类任务、按需定制选项外观与交互形式并利用条件显隐实现两级/三级嵌套分类将单一模板扩展为符合真实业务场景的复杂标注流程。模板适用场景与核心思路音频分类Audio Classification是语音与音频处理领域最基础、最高频的标注需求之一标注人员需要完整收听一段音频剪辑然后判断其主题或意图。典型应用包括意图分类Intent Classification判断用户语音是提问Question、请求Request还是表达满意/不满意Satisfied / Unsatisfied等情感/主题分类Sentiment / Topic Classification如本文模板所示将音频剪辑划分为 Politics、Business、Education、Other 等主题类别。Label Studio 仓库将此类模板归入audio-speech-processing音频/语音处理分类。整个模板只有两层结构却覆盖了标注配置的两大核心要素Audio对象标签——负责在标注界面加载并播放音频含波形可视化Choices控制标签——负责将分类选项呈现给标注人员并记录所选结果。这种对象标签 控制标签通过toName关联的写法是 Label Studio 所有标注配置共通的骨架理解它之后你可以把同样的结构迁移到文本、图像、视频等其他数据类型上。完整标注配置与逐行拆解官方模板的完整配置如下直接复制到项目的Labeling Setup / 标注配置中即可使用View Header valueListen to the audio:/Header Audio nameaudio value$url/Audio Header valueSelect its topic:/Header Choices namelabel toNameaudio choicesingle-radio showInlinetrue Choice valuePolitics/Choice Choice valueBusiness/Choice Choice valueEducation/Choice Choice valueOther/Choice /Choices /View对应在标注界面上你会看到Listen the audio:标题下的音频波形播放器以及Select its topic:标题下的四个单选分类项见上文配图。下面逐段拆解每个标签的作用。View所有配置的容器所有 Label Studio 标注配置都必须包裹在View标签内它是界面布局的根容器。一个配置可以包含多个View标签用于将界面划分成不同的视觉区块后面增强模板部分会用到这一特性。Header给标注人员的操作指引Header valueListen to the audio:/HeaderHeader标签在界面上渲染为一段提示文字用于向标注人员说明当前步骤要做什么。本例用两个Header分别提示听音频和选主题把标注流程切分成清晰的两步。Audio加载并播放音频Audio nameaudio value$url/AudioAudio是对象Object标签负责播放音频并展示波形。参数含义如下name元素名称供控制标签通过toName引用value任务数据中存放音频路径或 URL 的字段。本例任务数据包含一个url键即{url: https://.../clip.wav}$url会取该字段的值。仓库中 Audio 标签文档 还列出了更多可选参数按需补充到标签上即可参数类型默认值说明defaultspeedstring1默认播放速度0.52defaultscalestring1波形默认纵向缩放比例defaultzoomstring1波形默认缩放级别11500defaultvolumestring1默认音量01hotkeystring—播放/暂停快捷键syncstring—需要同步联动的其他对象标签名heightstring96播放器总高度像素waveheightstring32splitchannels多声道模式下每个波形的最小高度spectrogrambooleanfalse加载后是否自动显示频谱图splitchannelsbooleanfalse多声道音频是否分轨显示注意更耗内存decoderstringwebaudio音频解码器webaudio、ffmpeg或nonenone大文件加载快但无波形playerstringhtml5播放器类型html5或webaudio例如要加快载后即显示频谱图、并让标注人员可用快捷键空格键播放/暂停可写成Audio nameaudio value$url spectrogramtrue hotkeyspace/AudioChoices Choice呈现分类选项并记录结果Choices namelabel toNameaudio choicesingle-radio showInlinetrue Choice valuePolitics/Choice Choice valueBusiness/Choice Choice valueEducation/Choice Choice valueOther/Choice /ChoicesChoices是控制Control标签用于创建一组单选或多选分类项其参数含义如下name该组分类的名称也是标注结果中from_name字段的值toName必须与要分类的对象标签的name一致本例中即关联到Audio nameaudio实现对这组音频做分类choicesingle-radio单选、以单选按钮形式呈现可选值有single、single-radio、multiple默认singleshowInlinetrue让分类选项与Header提示在同一视觉行内展示。每个可选分类项由子标签Choice value...声明value即为存储到标注结果中的类别值。Choices的其余常用参数详见 Choices 标签文档包括参数类型默认值说明requiredbooleanfalse是否强制要求必须选择一个选项requiredMessagestring—校验失败时展示的提示文案visibleWhenstring—条件显隐region-selected、no-region-selected、choice-selected、choice-unselectedwhenTagNamestring—配合visibleWhen使用按标签名缩小显隐条件whenLabelValuestring—配合visibleWhenregion-selected按标签值缩小条件whenChoiceValuestring—配合visibleWhenchoice-selected/choice-unselected与whenTagName使用按选项值缩小条件perRegionboolean—对某个已选区域单独做分类而非针对整个任务valuestring—任务数据字段用于从数据中动态加载选项layoutstringvertical选项布局select下拉框、inline横向单行、vertical纵向堆叠randomizebooleanfalse每次打开任务时随机打乱选项顺序降低位置偏差标注结果的序列化结构当标注人员选择Politics并提交后这条标注结果会被序列化为以下 JSONtype为choicesvalue.choices保存所选类别{ original_length: 18, value: { start: 3.1, end: 8.2, channel: 0, choices: [Politics] }, id: some_unique_id, from_name: label, to_name: audio, type: choices }对于整段音频分类未圈选区域value中的start/end/channel描述的是整段音频的起止时间与声道choices数组即为标注人员选择的类别。这份结构可以直接在项目的任务详情中查看也可通过 API 或导出功能获取用于训练分类模型。增强模板定制分类区外观官方模板提供了一组增强建议最直观的一种是用样式让分类区域与音频播放区域在视觉上区分开将Header与Choices单独包裹进一个带内联样式的View中让分类区呈现卡片式外观View stylebox-shadow: 2px 2px 5px #999; padding: 20px; margin-top: 2em; border-radius: 5px; Header valueSelect the topic of the audio clip/ Choices namelabel toNameaudio choicesingle-radio showInlinetrue Choice valuePolitics/Choice Choice valueBusiness/Choice Choice valueEducation/Choice Choice valueOther/Choice /Choices /ViewView的style参数支持标准 CSS 属性你可以自由调整背景、边框、圆角、内外边距等使标注界面更贴合团队的使用习惯。进阶一条件显隐与嵌套分类官方模板通过引入 nested-classification.md 的内容将模板能力扩展到了条件分类与多级嵌套分类。这类配置的核心是Choices标签上的三个条件参数visibleWhenchoice-selected当某个选项被选中时显示whenTagName...指定依据哪个Choices标签的选中状态必须与whenChoiceValue或独立配合使用whenChoiceValue...指定具体选中哪个选项值时才显示必须与whenTagName搭配使用。条件分类选中特定选项后再展示额外内容下面的示例以音频为例适配中只有当标注人员在前一组分类里选择了Positive时界面才会出现第二组针对同一音频的分类问题View Audio nameaudio value$audio / Choices nameintent toNameaudio showInlinetrue Choice valuePositive / Choice valueNegative / Choice valueNeutral / /Choices View visibleWhenchoice-selected whenTagNameintent whenChoiceValuePositive Header value补充这段音频的其他属性 / Choices nameother-props toNameaudio choicesingle showInlinetrue visibleWhenchoice-selected whenTagNameintent whenChoiceValuePositive Choice valueNoisy / Choice valueClear / /Choices /View /ViewwhenTagName与whenChoiceValue同时使用时条件被限定为在名为intent的 Choices 中选中了Positive比单独使用whenTagName任意选项被选中即触发更精确。二级嵌套分类不引入新数据仅依赖前序选择如果你不想在任务里增加额外数据可以让第二组分类完全依赖第一组的选择结果View Audio nameaudio value$audio / Choices namecontent toNameaudio Choice valueAdult content/ Choice valueWeapons / Choice valueViolence / /Choices Choices nameother-props toNameaudio choicesingle showInlinetrue visibleWhenchoice-selected whenTagNamecontent Header value是否包含人物或动物 / Choice valueYes / Choice valueNo / /Choices /View这里第二组Choices仅用visibleWhenchoice-selectedwhenTagNamecontent表示只要第一组里选中了任意一个选项就显示第二组问题。三级嵌套分类逐层递进的细化嵌套层级还可以继续加深。下面的音频示例实现整体评价 → 是否嘈杂 → 噪声类型的三级递进View Audio nameaudio value$audio / Choices nameintent toNameaudio showInlinetrue Choice valuePositive / Choice valueNegative / Choice valueNeutral / /Choices Choices nameother-props toNameaudio choicesingle showInlinetrue visibleWhenchoice-selected whenTagNameintent Header value音频的其他属性 / Choice valueNoisy / Choice valueClear / /Choices Choices nameemotion toNameaudio choicesingle showInlinetrue visibleWhenchoice-selected whenTagNameother-props whenChoiceValueNoisy Header value属于哪种噪声 / Choice valueCrowd / Choice valueMachinery / Choice valueTraffic / Choice valueUnsure/Other / /Choices /View三级链条的触发逻辑是第一组选择任意值 → 第二组出现第二组选中NoisywhenTagNameother-propswhenChoiceValueNoisy→ 第三组出现。你可以按相同模式自由组合visibleWhen/whenTagName/whenChoiceValue构造任意深度的条件分类流程。进阶二动态加载选项与区域级分类Choices还支持两种对音频分类特别实用的能力。从任务数据动态加载选项选项不必写死在配置里可以放在任务数据中动态加载——这对不同任务给不同候选答案的场景非常有用View Audio nameaudio value$audio / Choices nametranscription toNameaudio value$variants / /View对应任务数据需包含variants字段它是一个对象数组每个对象至少包含value作为分类值写入结果也可选配html字段渲染富文本html优先级高于value但结果中仍以value为准{ data: { variants: [ { value: Do or doughnut. There is no try., html: h1选项A/h1 }, { value: Do or do not. There is no trial. }, { value: Do or do not. There is no try. } ] } }上述动态配置与下面手写Choice的静态配置等价可见动态选项最终都会展开为标准的Choice节点View Audio nameaudio value$audio / Choices nametranscription toNameaudio value$variants Choice valueDo or doughnut. There is no try. / Choice valueDo or do not. There is no trial. / Choice valueDo or do not. There is no try. / /Choices /ViewperRegion对音频片段做分类当业务需要在音频的某个片段上做分类而不仅是整段分类时可以给Choices加上perRegiontrue。仓库中 intent-classification 社区模板 就是典型例子先用Labels圈选语音段再对圈选片段标注意图View Labels namelabels toNameaudio Label valueSegment / /Labels Audio nameaudio value$audio/ Choices nameintent toNameaudio perRegiontrue requiredtrue Choice valueQuestion / Choice valueRequest / Choice valueSatisfied / Choice valueInterested / Choice valueUnsatisfied / /Choices /View该模板对应的 config.yml 元数据说明它面向语音助手、智能音箱、客服自动化、通话路由、IVR 等场景。此时标注结果会包含两类记录labels类型记录圈选片段含start/end时间与labels数组choices类型记录该片段的意图choices数组两者通过相同的id关联{ original_length: 3.77, value: { start: 0.92, end: 3.26, labels: [Segment] }, id: wavesurfer_ehuml5fu82, from_name: labels, to_name: audio, type: labels }, { original_length: 3.77, value: { start: 0.92, end: 3.26, choices: [Question] }, id: wavesurfer_ehuml5fu82, from_name: intent, to_name: audio, type: choices }模板相关的更多资源相关标签Audio、Choices、Choice相关模板Intent Classification、Audio Classification with Segments后者使用Labelschoicemultiple允许为同一音频片段标注多个主题适合需要分段 多主题的场景仓库内可直接预览/试用的模板label_studio/annotation_templates/audio-speech-processing/目录下包含语音识别automatic-speech-recognition/、对话分析conversational-analysis/、意图分类intent-classification/、信号质量检测signal-quality-detection/、声音事件检测sound-event-detection/、说话人分割speaker-segmentation/、语音转写speech-transcription/等完整示例。在 Label Studio 中使用本模板时只需在创建项目的标注配置页粘贴上方配置并保证任务数据的url字段指向可访问的音频文件本地存储、S3、GCS 等来源均可具体接入方式参见 data_import 与存储相关文档。若项目存在大量高复杂度音频标注需求如多声道转写官方模板文档还提示可关注 Label Studio Enterprise 的多声道音频转写界面社区版则建议结合上述Labels分段 Choices分类的组合方案完成。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考