Разметка эмоций в голосе — это процесс классификации эмоционального состояния говорящего по коротким аудиофрагментам с присвоением звуковой дорожке стандартизированных тегов настроения. Искусственный интеллект способен транскрибировать слова в буквы, но не умеет самостоятельно понимать сарказм, скрытую агрессию или растерянность клиента без предварительного обучения на миллионах примеров, размеченных живыми людьми.
Для этого технологические компании привлекают удаленных исполнителей: разметка эмоций в речи через регулярные задания позволяет алгоритмам кол-центров и голосовых ассистентов вовремя распознавать гнев абонента и переключать его на старшего оператора.
Ниже подробно рассмотрено, как устроена оценка интонаций голоса как подработка, какие метки используются в работе и как избежать спорных оценок.
Чем эмоциональная разметка отличается от расшифровки текста
При классической транскрибации исполнитель фиксирует только слова. Однако одна и та же фраза «Спасибо, вы мне очень помогли» может нести прямо противоположный смысл в зависимости от интонации: - Искренняя благодарность с мягким повышением тона; - Едкий сарказм с резким нисходящим ударением и вздохом; - Равнодушная формальность уставшего человека.
Именно поэтому обучение нейросетей распознаванию злости и радости требует человеческого слухового анализа. Оценивается не текст, а просодика: темп речи, высота основного тона, дыхание, дрожание связок и громкость пауз.
4 базовые эмоциональные метки: подробный разбор шкалы
В большинстве краудсорсинговых инструкций используется классическая четырехчастная шкала интонаций. Разберем акустические маркеры каждой категории, позволяющие безошибочно классифицировать эмоции спикера за деньги.
Метка 1. Нейтральный тон (Neutral)
Базовое состояние спокойного делового общения без выраженных эмоциональных всплесков. - Акустические признаки: ровная громкость, стабильный средний темп, отсутствие резких повышений регистра, стандартные логические паузы между словами. - Типичные фразы: «Назовите номер вашего договора», «Баланс счета составляет пятьсот рублей», «Повторите адрес доставки». - Частая ошибка разметчика: путать нейтральный тон с равнодушием или скрытой грубостью. Если оператор говорит сухо и монотонно, но без раздражения — это строго нейтральная категория.
Метка 2. Раздраженный / Агрессивный тон (Angry / Irritated)
Широкий спектр негативных проявлений — от сдержанного недовольства до открытого крика. - Акустические признаки: резкое увеличение громкости, форсированное выдыхание воздуха на согласных звуках, ускорение темпа, появление резких металлических обертонов, отрывистое произношение слов («рубленые фразы»). - Типичные фразы: «Я жду ответа уже сорок минут!», «Вы вообще меня слушаете?!», «Сколько можно переключать?!». - Тонкий нюанс: холодная, нарочито замедленная речь сквозь зубы также классифицируется как раздражение, даже если человек не кричит во весь голос.
Метка 3. Растерянный / Неуверенный тон (Confused / Hesitant)
Состояние замешательства, сомнения или непонимания инструкций собеседника. - Акустические признаки: рваный ритм речи, частые нелогичные паузы посреди фразы, заполнение пауз звуками-паразитами («э-э-э», «м-м-м»), вопросительная интонация в конце повествовательных предложений, тихое или затухающее звучание. - Типичные фразы: «Я не знаю, где эта кнопка... вроде нажал...», «А что теперь делать? Я, кажется, не туда зашел...». - На что обратить внимание: неуверенность часто сопровождается сомневающимся смешком или прерывистым вздохом.
Метка 4. Дружелюбный / Позитивный тон (Friendly / Happy)
Доброжелательный контакт, радость, облегчение или искренняя благодарность. - Акустические признаки: мягкая атака звука, широкая мелодическая модуляция голоса (певучесть), наличие улыбки в звуке (при улыбке натягиваются мышцы лица, меняя форму резонатора рта и делая верхние частоты более яркими), легкий естественный смех. - Типичные фразы: «Отлично, все заработало, спасибо вам огромное!», «Очень приятно было пообщаться, хорошего дня!».
Карточки с примерами разметки сложных случаев
Усталость против раздражения
- Аудиофрагмент: Тяжелый вздох, тихий медленный голос: «Ладно, давайте еще раз проверим».
- Правильная метка: Нейтральный (с оттенком усталости).
- Почему не раздражение: Нет форсированного выдоха, агрессивных ударений и резких интонационных скачков. Усталость без давления на собеседника относится к нейтральному спектру.
Саркастическая благодарность
- Аудиофрагмент: Резкое повышение громкости на первом слове, цоканье языком: «Ну спасибо, удружили, ничего не скажешь!».
- Правильная метка: Раздраженный.
- Почему не позитивный: Несмотря на слово «спасибо», акустический контекст и цоканье языком указывают на негативную эмоцию и недовольство сервисом.
Возражения и сомнения исполнителей
«Эмоции субъективны, заказчик всегда может забраковать ответ»
Для нивелирования субъективности краудсорсинговые платформы применяют механизм перекрытия: одну и ту же дорожку слушают от 3 до 5 независимых исполнителей. Ответ засчитывается, если мнение совпало с большинством. Кроме того, в пограничных ситуациях (например, между растерянностью и нейтральностью) многие системы допускают оба варианта как валидные.
«Зачем учить ИИ эмоциям, если робот не умеет сопереживать»
ИИ не требуется сопереживание. Анализ эмоций решает чисто утилитарные задачи бизнеса: если абонент на линии начинает повышать голос или звучит растерянно, голосовой бот прекращает автоматический сценарий и мгновенно переводит звонок на живого старшего специалиста.
«Влияет ли акцент или диалект спикера на определение эмоции?»
Региональный акцент или специфический говор часто сбивает начинающих исполнителей: южный темп речи может казаться более эмоциональным, а северное оканье — излишне строгим. Опытный разметчик абстрагируется от фонетических особенностей региона и концентрируется исключительно на динамике громкости и напряжении голосовых связок. Если говорящий просто произносит слова с диалектом, но без раздражения или растерянности, фраза маркируется как нейтральная.
Сводная таблица параметров эмоциональной шкалы
| Эмоциональная метка | Основной темп речи | Динамика громкости | Типичные артефакты |
|---|---|---|---|
| Нейтральный | Стабильный, средний | Ровная без скачков | Стандартное дыхание |
| Раздраженный | Ускоренный или рубленый | Резкие всплески, пики | Форсированный выдох, цоканье |
| Растерянный | Замедленный, рваный | Затухающая к концу | Затяжные междометия («э-э») |
| Дружелюбный | Плавный, мелодичный | Мягкая, умеренная | Призвук улыбки, мягкий смех |
Как подготовиться к выполнению заданий по эмоциям
Чтобы стабильно держать высокий процент совпадения с модераторами, соблюдайте три правила: 1. Не оценивайте фразы по тексту на экране. Сначала прослушайте запись с закрытыми глазами, чтобы зрительное восприятие слов не мешало слышать акустический тон. 2. Всегда используйте наушники. Встроенный динамик телефона смазывает тихие вздохи и микротремор связок, из-за чего скрытое раздражение легко принять за нейтральный тон. 3. Не переслушивайте одну дорожку более трех раз. При многократном повторении слух адаптируется, эмоция обесценивается, и живая реплика начинает казаться искусственной. Первое впечатление обычно самое точное.
Освоив базовые ориентиры шкалы, разметчик выполняет задания быстро и без страха ошибиться в неоднозначных репликах.