Konversi TSV menjadi STM

Memahami format file tsv dan stm

TSV (Tab-Separated Values) adalah format file berbasis teks sederhana yang digunakan untuk menyimpan data dalam struktur tabel, di mana setiap field dipisahkan oleh karakter tab. Format ini umum digunakan untuk pertukaran data antara aplikasi spreadsheet dan database.

STM (Segment Time Marked) file terutama digunakan dalam pengolahan ucapan dan bahasa. Mereka berisi informasi segmen yang diatur waktu untuk file audio, menandai waktu mulai dan akhir segmen yang diucapkan beserta data pembicara dan transkripsi. File STM banyak digunakan dalam proyek seperti NIST Speech Recognition Evaluation.

Mengapa mengonversi tsv ke stm?

Mengonversi file TSV ke file STM sering diperlukan ketika Anda memiliki informasi segmen dalam format tabel (seperti waktu mulai, waktu selesai, pembicara, dan transkripsi) dan perlu menggunakannya dalam alat pengolahan ucapan yang membutuhkan format STM.

Bagaimana cara mengonversi tsv ke stm

Tidak ada konverter universal langsung untuk TSV ke STM karena konversi tergantung pada struktur file TSV Anda. Namun, Anda dapat menggunakan bahasa pemrograman seperti Python untuk mengotomatisasi prosesnya. Berikut pendekatan umum:

1. Buka file TSV Anda di editor spreadsheet atau teks untuk memverifikasi urutan kolom (misalnya, filename, channel, pembicara, waktu mulai, waktu selesai, transkripsi).
2. Buatscript Python untuk membaca file TSV, mengurai setiap baris, dan memformatnya sesuai dengan spesifikasi STM:
   filename channel speaker start_time end_time <NA> transcription
3. Simpan keluaran sebagai file .stm.

Perangkat lunak dan alat yang direkomendasikan

• Python dengan pandas: Mudah membaca file TSV dan menulis skrip kustom untuk format STM.
• LibreOffice Calc: Untuk pengeditan manual dan mengekspor data TSV, meskipun scripting masih diperlukan untuk format STM.
• Skrip kustom: Untuk pemrosesan batch, skrip Python atau Perl adalah yang paling fleksibel dan andal.

Contoh skrip Python untuk konversi

import pandas as pd

df = pd.read_csv('input.tsv', sep='\t')
with open('output.stm', 'w') as f:
    for _, row in df.iterrows():
        line = f"{row['filename']} 1 {row['speaker']} {row['start_time']} {row['end_time']} <NA> {row['transcription']}\n"
        f.write(line)

Sesuaikan nama kolom sesuai dengan file TSV Anda.

Ringkasan

Mengonversi TSV ke STM paling baik dilakukan dengan skrip kustom, karena proses tergantung pada struktur data Anda. Python adalah alat yang direkomendasikan untuk tugas ini karena fleksibilitas dan kemudahannya dalam menangani data tabel.