RTTM 文件格式

Question

我目前正在开发一个使用 RTTM 文件格式的程序。但是，似乎没有关于内容的文档。有人对此文件格式中指示的字段有具体说明吗？

Answer 1

实时TM

丰富转录时间标记 (RTTM) 文件是以空格分隔的文本文件，每行包含一圈，每行包含十个字段：

• type——段类型；应始终由SPEAKER
• 文件ID——文件名；记录的基本名称减去扩展名（例如，rec1_a）
• Channel ID——打开的通道（1索引）；应始终为1
• 转弯开始——从录音开始开始以秒为单位的转弯开始
• 转弯持续时间——转弯持续时间（以秒为单位）
• 正字法字段 -- 应始终为 < NA >
• 扬声器类型 - 应始终为 < NA >
• 发言者姓名——本轮发言者的姓名；在每个文件的范围内应该是唯一的
• Confidence Score——系统认为信息正确的置信度（概率）；应始终为 < NA >
• 信号超前时间 - 应始终为 < NA >

例如：

SPEAKER CMU_20020319-1400_d01_NONE 1 130.430000 2.350 <NA> <NA> juliet <NA> <NA>
SPEAKER CMU_20020319-1400_d01_NONE 1 157.610000 3.060 <NA> <NA> tbc <NA> <NA>
SPEAKER CMU_20020319-1400_d01_NONE 1 130.490000 0.450 <NA> <NA> chek <NA> <NA>

写入rttm文件：

with open(rttmf, 'wb') as f:
    for turn in turns:
        fields = ['SPEAKER', turn.file_id, '1', format_float(turn.onset, n_digits), format_float(turn.dur, n_digits),
              '<NA>', '<NA>', turn.speaker_id, '<NA>', '<NA>']
        line = ' '.join(fields)
        f.write(line.encode('utf-8'))
        f.write(b'\n')

参考网址： https://github.com/nryant/dscore https://github.com/nryant/dscore/blob/824f126ae9e78cf889e582eec07941ffe3a7d134/scorelib/rttm.py#L103

Answer 2

您可以在 NIST 的The 2009 (RT-09) Rich Transcription Meeting Recognition Evaluation Plan（存档版本，原始链接已失效）的附录 A 中找到此内容。

Answer 3

还有https://catalog.ldc.upenn.edu/docs/LDC2004T12/RTTM-format-v13.pdf与@bernlim 给出的规范不同，主要是省略了第 10 个字段“SLAT”。我发现有些工具确实不输出 10 个字段而是 9 个字段，并且用于评分 diarizations 的 md-eval-v21.pl 不会费心读取第 10 个字段。