audino v2.0

Audino v2.0（main 分支）是一款由 Human Protocol 赞助的开源音频标注工具。它是 Audino（位于 master 分支）的升级版，提供了包括转录和标注在内的多种强大功能。这些功能使 Audino v2.0 成为执行语音活动检测（VAD）、说话人分离、说话人识别、自动语音识别、情感识别等多种任务的理想选择。

🚀 注意：Audino v2.0 目前仍在积极开发中。未来我们计划完全迁移到 Audino v2.0。如果您遇到任何问题或有任何反馈，请随时提交 issue。您的意见对我们改进 Audino v2.0 至关重要！

合作伙伴 ❤️

Human Protocol 使用 Audino 作为其 Human Protocol 平台上的标注服务。

功能 🤘

当前功能：

1. 多语言支持：Audino v2.0 支持多国语言，能够满足多样化的语言需求。

2. 表情符号支持：通过表情符号增强标注内容，使数据更具表现力。

3. 用户级项目、任务和作业管理：在用户级别轻松管理标注项目、任务和作业，提升组织效率。

4. 灵活的标签创建：您可以灵活地创建和自定义标签，以适应特定的标注需求。

5. 导出为特定格式：将标注数据导出为不同格式，便于与其他工具和平台无缝集成。

教程 🔍

我们提供了一系列 教程，指导用户完成各项任务。如果您认为还有需要补充的内容，请提交 issue。

开始使用

需求

请安装以下依赖项，以便在您的系统上运行 audino：

1. git
2. docker
3. docker-compose

克隆仓库

$ git clone https://github.com/midas-research/audino.git
$ cd audino
$ git checkout main

安装指南

您可以按照 默认配置 运行该项目，也可以根据自己的需求进行修改。 注意：在继续操作之前，您可能需要授予 docker sudo 权限，或者以 sudo 身份运行以下命令。

如果希望从其他机器访问，请设置主机地址：

# audino/.env
CVAT_HOST=<FQDN>

# audino/audino-frontend/.env
REACT_APP_BACKEND_FILE_URL="http://<FQDN>:8080"
REACT_APP_BACKEND_URL="http://<FQDN>:8080/api"

启动服务：

$ docker compose up -d

然后，在浏览器中访问 http://localhost:8080/ 即可查看应用。

您可以注册一个用户，但默认情况下该用户甚至没有查看任务列表的权限。因此，您需要创建一个超级用户。超级用户可以使用管理面板为普通用户分配相应的角色。请使用以下命令：

$ docker exec -it cvat_server bash -ic 'python3 ~/manage.py createsuperuser'

停止服务：

$ docker compose -f docker-compose.yml down

开发指南

服务器设置

1. 安装必要的依赖：Ubuntu 22.04/20.04

    $ cd cvat
    $ sudo apt-get update && sudo apt-get --no-install-recommends install -y build-essential curl git redis-server python3-dev python3-pip python3-venv python3-tk libldap2-dev libsasl2-dev
    
    # 安装 Node.js 20
    $ curl -fsSL https://deb.nodesource.com/setup_20.x | sudo bash -
    $ sudo apt-get install -y nodejs
   

2. 确保使用 Python 3.10.0 或更高版本

   $ python3 --version
   

3. 在本地主机上安装 CVAT：

   $ mkdir logs keys
   $ python3 -m venv .env
   $ . .env/bin/activate
   $ pip install -U pip wheel setuptools
   $ pip install -r cvat/requirements/development.txt
   

4. 安装 Docker 引擎和 Docker Compose

5. 启动服务依赖项：

   $ cd ..
   # 确保您位于 audino 根目录下
   $ docker compose -f docker-compose.yml -f docker-compose.dev.yml up -d --build cvat_opa cvat_db cvat_redis_inmem cvat_redis_ondisk cvat_server
   

   注意：要停止这些服务，请使用 docker compose -f docker-compose.yml -f docker-compose.dev.yml down。您还可以添加 -v 参数来删除数据。

6. 应用数据库迁移并创建 CVAT 的超级用户：

   $ cd cvat
   $ python manage.py migrate
   $ python manage.py collectstatic
   $ python manage.py createsuperuser
   

7. 从虚拟环境中运行 VScode：

   $ source .env/bin/activate && code
   

8. 在 VScode 中打开 CVAT 根目录

9. 选择 server: debug 配置并运行（F5），以启动 REST 服务器及其工作进程

10. 确保断点设置中未勾选“未捕获异常”选项

有关 CVAT 服务器设置的更多信息，请参阅 CVAT 文档

前端设置

1. 安装 UI 的 npm 包（确保您位于 audino/audino-frontend 目录下）：

   $ npm install
   

2. 在端口 3000 上启动服务器

   $ npm run start
   

许可证

CC BY-NC 4.0 © MIDAS, IIIT Delhi

Audino v2.0 快速上手指南

Audino v2.0 是一款由 Human Protocol 赞助的开源音频标注工具，支持语音活动检测 (VAD)、说话人分离、自动语音识别 (ASR) 及情感识别等任务。它具备多语言支持、表情符号标注以及灵活的项目管理功能。

环境准备

在开始之前，请确保您的系统满足以下要求并安装了必要的前置依赖：

• 操作系统：推荐 Ubuntu 20.04/22.04（开发模式必需），其他支持 Docker 的系统可用于部署模式。
• 前置依赖：
  1. Git
  2. Docker
  3. Docker Compose
  4. （仅开发模式需要）Python 3.10+ 和 Node.js 20+

安装步骤

以下是基于 Docker 的快速部署流程，适用于大多数用户。

1. 克隆代码库

首先克隆项目并切换到 main 分支（Audino v2.0 所在分支）：

git clone https://github.com/midas-research/audino.git
cd audino
git checkout main

2. 配置主机地址（可选）

如果您需要从非本机（不同机器）访问 Audino，请修改环境变量文件中的主机地址。将 <FQDN> 替换为您的服务器域名或 IP 地址。

编辑 audino/.env：

CVAT_HOST=<FQDN>

编辑 audino/audino-frontend/.env：

REACT_APP_BACKEND_FILE_URL="http://<FQDN>:8080"
REACT_APP_BACKEND_URL="http://<FQDN>:8080/api"

注：若仅在本地使用，可跳过此步。

3. 启动服务

使用 Docker Compose 启动所有服务。 注意：根据您的需求，可能需要使用 sudo 运行以下命令。

docker compose up -d

4. 创建管理员账户

服务启动后，默认注册的用户权限受限。您需要创建一个超级用户（Superuser）来管理项目和分配权限。

执行以下命令创建超级用户：

docker exec -it cvat_server bash -ic 'python3 ~/manage.py createsuperuser'

按提示输入用户名、邮箱和密码。

5. 访问应用

打开浏览器访问： http://localhost:8080/

使用刚才创建的超级用户账号登录即可开始使用。

---

基本使用

登录成功后，您可以按照以下流程进行最简单的音频标注任务：

1. 创建项目：

   • 点击 "Projects" -> "Create new project"。
   • 输入项目名称，选择标签格式（如 CVAT for images 或特定音频格式），保存。

2. 创建任务并上传数据：

   • 进入项目，点击 "Tasks" -> "Create new task"。
   • 填写任务名称，上传您的音频文件（支持多种格式）。
   • 在 "Labels" 部分定义您需要的标签（例如："Speech", "Noise", "Speaker_A" 等），支持添加表情符号增强表达。

3. 开始标注：

   • 任务创建完成后，点击 "Job #1" 进入标注界面。
   • 使用左侧工具栏绘制区域或时间轴标记。
   • 利用快捷键进行播放、暂停和打标操作。

4. 导出数据：

   • 标注完成后，返回任务列表。
   • 点击 "Actions" -> "Export dataset"，选择所需的格式下载标注结果，以便集成到其他机器学习平台。

---

如需停止服务，请运行：docker compose -f docker-compose.yml down