Annotazione Linguistica

Sei il visitatore n. Hit Counter

Key
F:	formato di annotazione sistematicamente-documentato
T:	tool disponibile per la creazione, la visualizzazione o la ricerca
D:	"downloadable" tool
P:	articoli di riferimento disponibili
R:	altre fonti, tipo libri, associazioni,.....
C:	metodi e standard di trascrizione
[ U/W/M ]	tool per Unix, Windows o Machintosh
$:	"$$$$" tool commerciale

Linguistic Resources

DT
[UW]

Alembic Workbench (David Day)
Alembic Workbench è un sistema di annotazione basato sul linguaggio SGML. Oltre ai generi usuali di annotazioni testuali, Workbench permette vari generi di annotazioni specializzate includendo le annotazioni di co-riferimento (cfr. le regole di marcatura o markup Message Understanding Conference), vari generi di indicatori prestabiliti dall'utente e (a breve) l'annotazione generale di template (aka relations, frames, events). Il sistema Alembic di NLP multilingue fornisce l'accesso ai taggers per un' ampia varietà di livelli di estrazione e le applicazioni sono state sviluppate attualmente per parecchi linguaggi. Il software ha un componente specializzato di visualizzazione. Funziona sulle stazioni di lavoro Sun ed è liberamente distribuito.

FT
[U]

Annotator
Annotator è un'estensione di waves+ (Entropic). Permette (manualmente o automaticamente) all'utente di annotare determinati "eventi in un flusso arbitrariamente lungo di dati campionati". Il ricercatore può annotare il segnale verbale prodotto in modalità di monologo o di dialogo in inglese, giapponese, spagnolo o cirillico (usando il sistema di editazione testi Mule) ed è capace di riprodurre qualsiasi porzione dell'annotazione, poichè le trascrizioni sono sincronicamente collegate al segnale verbale.

FTD
[WM]

Archivage (Boyd Michailovsky, John B. Lowe, Michel Jacobson)
Il progetto Archivage, basato su LACITO (Parigi), mira a fornire gli strumenti e i formati per i dati di tipo linguistico antropologico. Una caratteristica interessante è l'uso del linguaggio di marcatura (markup) XML, con un DTD che supporta le trascrizioni, le traduzioni interlineari frasali e parola-per-parola, e i riferimenti audio. Sono forniti alcuni fogli di stile XSL che illustrano la potenzialità del markup XML nel supportare l'accesso in Web a materiale di questo tipo, dando l'accesso a testo e suono.

TDP

ASEL speech software (Tim Bunnel)
Presso lo Speech Research Laboratory (duPont Hospital for Children, University of Delaware) sono stati sviluppati interessanti tool per l'elaborazione di dati vocali, inclusi alcuni strumenti per la trascrizione e l'annotazione di segnale verbale.

CA - Conversational Analysis
Questa pagina di transcrizioni eseguite da Emanuel Schegloff esemplifica lo stile di trascrizione tradizionale in uso fra i ricercatori che lavorano sulla conversational analysis.

CES (Nancy Ide, Greg Priest-Dorman)
Il Corpus Encoding Standard (CES) è una parte di EAGLES Guidelines, guida di riferimento del progetto Eagles, sviluppata per le ricerche tecnologiche e le applicazioni sul linguaggio. CES è un livello di codifica minimo, basato su SGML e conforme alle specifiche TEI,che i corpus devono realizzare per essere considerati standardizzati in termini di rappresentazione descrittiva (marcatura delle informazioni strutturali e tipografiche) così come di architettura generale (in modo da essere adattabili ad un uso efficace per una base di dati testuali). CES fornisce anche le specifiche di ccodifica per l'annotazione linguistica, insieme ad un'architettura di dati per i corpus linguistici.

FTDPRC
[WM]

CHILDES (Brian MacWhinney, Steven Gillis)
Il progetto CHILDES fornisce un grande database per dati relativi all'acquisizione di L1 e L2 per oltre 30 linguaggi in un formato coerente, chiamato CHAT. In CHILDES sono inclusi anche programmi per Windows e Macintosh che consentono l'analisi della base di dati così come un qualche allineamento deli testo al segnale verbale corrispondente.

COCOSDA (Nick Campbell)
Il comitato internazionale per "Co-ordination and Standardisation of Speech Databases and Assesment Techniques for Speech Input/Output, COCOSDA, è stato istituito per promuovere l'interazione e la cooperazione internazionali su temi di ricerca fondamentali per l'elaborazione del linguaggio parlato (Spoken Language Processing).

TDC
[W]

CSAE (John W. DuBois)
Il Corpus of Spoken American English (CSAE) dell'UCSB ha sviluppato parecchi tool, fra cui VoiceWalker, un tool per la trascrizione audio e video, e SoundWriter, che consente di allineare le parti delle trascrizioni con i corrispondenti file di segnalemediante i codici temprali SMPTE. Inoltre, è stato sviluppato un insieme specifico di convenzioni di trascrizione.

TDPRC
[W]

CSLU (Kal Shobaki, Mike Noel, Jacques De Villiers)
Il CSLU Speech Toolkit, sviluppato presso il Center for Spoken Language Understanding (CSLU), consiste in un insieme completo di tool per la raccolta e la trascrizione del segnale verbale. Contiene un programma interattivo per la visualizzazione del segnale verbale (Speech View) che permette all'utente di allineare le trascrizioni con i corrispondenti file sonori. Il Toolkit contiene anche un corso completo di lettura di spettrogrammi e di fonetica acustica, un motore di riconoscimento della parola, un sintetizzatore della voce basato sull'architettura Festival, un componente per l'animazione di volti parlanti Baldi e uno strumento di integrazione per creare ed organizzare specifiche applicazioni basate su semplici dialoghi. CSLU ha inoltre sviluppato un insieme di convenzioni di trascrizione (un grande file postscript) utilizzate per trascrivere i vari corpus vocali, disponibili su richiesta, per la ricerca linguistica sul segnale verbale.

FTP
[UW]

DAISY Consortium (Ingar Beckman Hirschfeldt)
Il consorzio DAISY (margherita) è un consorzio internazionale di biblioteche ed istituzioni che si interessano specificatamente delle persone disabili e sviluppano standard, tool e tecniche per la prossima generazione di "digital talking books" (DTB). Lo vesione preliminare standard è la 2.0. Ulteriori informazioni sono disponibili in una presentazione al CSUN98.

FTRC
[UW]

DAMSL / SWBD-DAMSL (James Allen, Dan Jurafsky)
DAMSL - Dialog Act Markup in Several Layers - definisce un insieme delle azioni comunicative primitive che possono essere usate per analizzare i dialoghi. La struttura di DAMSL è il risultato del lavoro sviluppato dal Multiparty Discourse Group nelle riunioni DRI. SWBD-DAMSL è stato progettato come un'estensione al [DAMSL]tag-set, allo scopo di annotare (una parte) il corpus Switchboard. Una pagina di collegamenti a vari articoli descrittivi è disponibile online (info). Alcuni dialoghi nel progetto TRAINS sono stati annotati utilizzando gli indicatori di annotazione di DAMSL (info).

TP
[UW]

Delta (Susan Hertz)
Eloquent Technologies ha sviluppato un text-to-speech toolkit che sintetizza il segnale verbale per mezzo d'una rappresentazione multi-livello del testo chiamata Delta.

DRI (Susann Luperfoy)
L'iniziativa Discourse Resource Initiative è uno sforzo di vari gruppi internazionali, rivolto alla condivisione dei corpus etichettati con specifiche standardizzate di interesse comune. DRI riunisce le informazioni sui documenti, sui corpus e sul software connessi con le ricerche sul dialogo, compreso una lista di collegamenti a vari annotation tools. DRI include un Multiparty Discourse Group. Il progetto COCONUT ha adottato lo schema DRI al fine occuparsi degli ambienti cooperativi di progettazione (online papers).

EAGLES Spoken Language Working Group (Dafydd Gibbon)
Il gruppo di lavoro "Spoken Language Working Group" di EAGLES (European Commission's Expert Advisory Group on Language Engineering Standards, il gruppo consultivo d'esperti della Commissione Europea sugli standard di ingegneria di linguaggio) ha prodotto un manuale degli standard e delle risorse per i sistemi di linguaggio parlato, con le informazioni e le raccomandazioni sulle metodologie adottate nel campo dello sviluppo di tali sistemi in ambienti multilingue.

FTDP
[UW]

Emu (Steve Cassidy, Jonathan Harrington)
Il sistema Emu offre l'accesso consistente a varie basi di dati di dialogo, con strumenti efficaci per l'estrazione di statistiche e fornisce anche il supporto per la creazione di nuove basi di dati. Uno script Emu è stato creato per importare determinati archivi di Partitur. Questo supporta le affermazioni di Steve Cassidy sul fatto che (in termini di annotazioni vere e proprie, trascurando cioè le informazioni di contorno quali tipo di registrazione, speaker,... ecc.) mediante l'ambiente di lavoro Emu si può facilmente esprimere il contenuto informativo presente nelle annotazioni di Partitur.

TD
[UW]

Festival (Paul Taylor)
L'architettura del sistema Festival sviluppato al CSTR di Edimburgo, che originalmente è stato progettato per la sintesi automatica della voce da testo sctitto, è stata generalizzata ed applicata all'analisi di basi di dati. Festival utilizza i grafici Hetrogeneous Relation Graphs per rappresentare le informazioni linguistiche.

FSA
Vi è stato un notevole sviluppo dei concetti e dei toolkit per la progettazione di automi a n-stati finiti, che potrebbero fornire un modello utile per l'espressione, la creazione e la ricerca delle annotazioni linguistiche multidimensionali. Possiamo citare i toolkit e la documentazione disponibile (LADL, Xerox e AT&T), benchè per quanto sappiamo, questi non siano stati usati per una manipolazione generale delle annotazioni del segnale verbale e possono non essere completamente adattabili a questo fine.

FTDP
[U]

GATE (Hamish Cunningham, Kevin Humphreys)
GATE (cancello) consiste in un'implementazione dell'architettura Tipster, più alcuni strumenti grafici per la visualizzazione di dati, l'annotazione, la valutazione ed il controllo delle procedure. È distribuito liberamente per ricerca e con Information Extraction software.

T
[U]

Gsearch (Frank Keller)
Gsearch è uno strumento l'interrogazione di corpus etichettati. Le domande sono formulate in due fasi. In primo luogo, l'utente specifica una grammatica context-free che è usata per analizzare un dato corpus e per convertire i suoi particolari tag in un insieme standardizzato. In secondo luogo, un'espressione di ricerca utilizza le parole, i nodi terminali e i nodi non-terminali forniti dal corpus e dalla grammatica. L'uscita strutturata può essere visualizzata con il programma Viewtree di Ratnaparkhi o il sistema Thistle di Calser. Gsearch attualmente funziona con BNC, Brown, SUSANNE, WSJ, Frankfurter Rundschau e NEGRA.

FTDPRC
[W]

HIAT (Konrad Ehlich, Jochen Rehbein)
HIAT è un sistema di trascrizione basato su una notazione di score, sviluppato negli anni 70 da Ehlich e da Rehbein ed è ampiamente usato in Europa. L'acronimo corrisponde a Halbinterpretative Arbeitstranskriptionen (trascrizione di lavoro semi-interpretativa). Dafydd Gibbon ha coniato il termine inglese Heuristic Interpretative Auditory Transcription (trascrizione uditiva interpretativa euristica) che conserva l'acronimo. La filosofia di HIAT include la nozione di trascrizione letteraria (literarische Umschrift), che "coinvolge quegli allontanamenti sistematici dalla rappresentazione ortografica standard d'un particolare elemento, ma in un modo che sia espressivo per coloro che siano esperto del sistema ortografico nel suo insieme". Sono forniti alcuni metodi per l'annotazione della prosodia, della comunicazione non-verbale e così via. Il software è disponibile per Mac e PC. Una descrizione per l'inglese può essere trovata in Edwards e Lampert, Talking Data.

TP
[U]

Hyperlex (Steven Bird)
Il sistema di Steven Bird Hyperlex, sviluppato a sostegno d'uno specifico progetto in questo campo di ricerche, fornisce l'accesso attraverso il linguaggio HTML ad un lessico, alle registrazioni di segnale verbale ed ai cataloghi paradigmatici per parecchi linguaggi. Steven progetta produrre una versione portatile che può essere adattata facilmente a nuovi linguaggi ed a nuovi progetti.

F
[UWM]

INTEX (Max Silberztein)
INTEX è un ambiente di sviluppo linguistico che include dizionari e grammatiche di carattere generale a gran-copertura ed analizza testi di parecchi milioni di parole in tempo reale. INTEX include gli strumenti per creare ed organizzare risorse lessicali estese, così come le grammatiche morfologiche e sintattiche. INTEX può costruire concordanze lemmatizzate e indici per testi molto grandi relativamente a tutti i tipi di pattern a Stati Finiti. INTEX è utilizzato come sistema di reperimento delle informazioni, per analizzare i testi letterari, per misurare le variazioni del linguaggio, per insegnare secondi linguaggi (L2), come un estrattore terminologico, e così via. Risorse linguistiche di grande copertura sono già disponibili per inglese, francese, tedesco, greco, italiano, polacco, portoghese.

TDP
[U]

ISIP (Joe Picone)
Joe Picone ed altri all' Institute for Signal and Information Processing (ISIP) - Mississippi State, ha prodotto un efficace tool di segmentazione freeware, inizialmente ottimizzato per la suddivisione, la trascrizione e l'annotazione delle conversazioni telefoniche.

FTDPRC

LDC (David Graff, Chris Cieri, Mark Liberman)
Il Linguistic Data Consortium ha sviluppato una gamma di formati (pricipalmente basati sul linguaggio SGML) per le trascrizioni e di altri tipi di annotazioni (si veda il formato NIST's UTF, che fornisce una struttura combinata per parecchi di questi formati esistenti). Documentazione in linea è disponibile per i diversi corpus creati in momenti differenti da gruppi differenti, ad esempio: Switchboard di Texas Instruments (TI) nel 1991, Trains di Rochester nel 1992-3, ecc, come pure una specifica generale della trascrizione SGML attualmente utilizzata per la trascrizione (ortografica) delle conversazioni telefoniche e delle registrazioni di notizie di radiodiffusione. LDC ha anche implementato un modello generale di dati per la ricerca di corpus annotati di segnale verbale, di dialogo e di testi, in linea, via LDC-Online.

T
[UW]

LT XML ()
sggrep - an XML-aware grep tool.

MATE (Laila Dybkjaer)
Il progetto multi-partner MATE (compagno) fondato dalla Comunita Europea (Telematics Project LE4-8370) mira a sviluppare uno standard basato sulle specifiche SGML per l'annotazione di corpus di segnale verbale e più in generale di dialogo e anche i tool per "rendere i processi di acquisizione ed estrazione della conoscenza più efficienti". Il Deliverable D1.1 riassume ed esamina un' ampia varietà di schemi di annotazione ed include un utilissima pagina di pagina di collegamenti. MATE implementa la nozione di standoff markup di Thompson e McKelvie .

TDC
[W]

MICASE (Rita Simpson)
Il Michigan Corpus of Academic Spoken English (MICASE) è un progetto dell' English Language Institute dell' università del Michigan per la raccolta e la trascrizione di vari tipi di parlato "accademico". Il lavoro di trascrizione è supportato da un programma (freeware) specifico sviluppato per Windows 95 chiamato SoundScriber.

FPR

MPEG (Leonardo Chiariglione)
MPEG-7 ("Multimedia Content Description Interface") è lo standard proposto per l'insieme dei descrittori da utilizzare relativamente alla ricerca, al filtraggio,all'organizzazione ed all'elaborazione delle informazioni ti tipo multimediale (in fase di approvazione, Luglio 2001). Draper discute l'esigenza di strutture multiple per l'annotazione video nel suo articolo MPEG-7 e IR.

FT
[UWM]

Linguistic Applications at MPI (Peter Wittenburg)
Il MPI Language and Cognition Group ha prodotto una varietà di tool per l'organizzazione e la ricerca su corpus di segnale audio e video annotati. EUDICO (European Distributed Corpora Project) è una stazione di lavoro universale per lo sviluppo di corpus linguistici, scritto in Java e funzionante con una varietà di formati di database relazionali, inclusi CHAT, Shoebox, Tipster. CAVA (Computer Assisted Video Analysis) è un suite di programmi destinati agli scienziati negli studi umanistici, compreso un Transcription Editor per trascrizioni digitali di video analogici su PC e un programma Mac, chiamato MediaTagger, per la creazione e la ricerca di annotazione multi-livello di video digitale in formato QuickTime. E' disponibile inoltre, un nuovo strumento multi-piattaforma per la gestione delle trascrizioni di comunicazioni di tipo CHAT e del corrispondente segnale verbale sincronizzato, Spoken Childes Tool. Molti di questi tool sono liberamente disponibili per scopi di ricerca ad Istituzioni Accademiche.

Multitext Project ( Gord Cormack, Forbes Burkowski, Charlie Clarke )
Il progetto MultiText è interessato alle tecniche che si sono sviluppate per l' indexing ed il retrival di corpus testuali voluminosi. Le ricerche possono riferirsi alla struttura del documento, anche se questo è annotato in modi differenti nei differenti corpus.

FTPC
[U]

NEGRA Corpus ( Thorsten Brants )
Il corpus NEGRA contiene approssimativamente 10000 frasi di testo scritto estratte da giornali tedeschi. Il coprus è del tipo treebank, ma con un nuovo sistema di annotazione, specifico per i "discontinuous constituents". Un esempio che illustra il formato grafico, il formato di annotazione e il "Penn Treebank" equivalente è disponibile al seguente link. Esiste un tool di annotazione denominato Annotate che permette un'interazione uomo-macchina per la costruzione di alberi sintattici.

T
[W]

The Observer ( Lucas Noldus )
`The Observer' è un tool commerciale per classificare ed annotare gli eventi. Nella versione video, si possono creare delle annotazioni sincronizzate alle registrazioni video utilizzando il modulo Event Recorder. L'andamento temporale delle osservazioni può essere visualizzato utilizzando il diagramma time-event plot e su questi dati possono essere effettuate varie analisi statistiche. Il software è stato sviluppato da Noldus IT e funziona sulle piattaforme MS Windows.

Partitur (Florian Schiel, Christoph Draxler)
Il Bavarian Archive of Speech Signals ha creato il formato Partitur basato sulla loro esperienza di ricerca con una notevole varietà di basi di dati vocali. Lo scopo è stato quello di creare "un sistema aperto (estendibile) e un formato robusto per rappresentare i risultati prodotti da molti laboratori di ricerca differenti in un unica fonte di informazioni comune".

Pirahã (Dan Everett)
Alcuni esempi interessanti di trascizione interlineare effettuata dai linguisti tradizionali e una discussione sul relativo uso lessicografico, possono essere trovati sul sito Web di Daniel e Keren Everett Pirahã.

TD
[UWM]

Praat (Paul Boersma)
Il sistema Praat offre una notevole varietà di strumenti efficacissimi per l'interazione con i dati vocali, inclusi alcuni strumenti per la trascrizione e l'annotazione in multi-livelli.

SABLE (Andrew Hunt, Richard Sproat, Paul Taylor)
SABLE è uno standard per l'annotazione delle caratteristiche linguistiche del segnale verbale prodotto da sistemi dii sintesi automatica che naturalmente condivide moltissime delle proprietà dei sistemi per l'annotazione linguistica del segnale verbale prodotto naturalmente.

SAMPA (John Wells)
SAMPA (Speech Assessment Methods Phonetic Alphabet) è una trascrizione machine-readable ASCII dell' International Phonetic Alphabet. Sviluppato originariamente dai fonetisti per codificare sei lingue europe, attualmente sta estendendosi e comprende molti altri linguaggi. SAMPROSA è un'estensione per la trascrizione delle informazioni prosodiche e XSAMPA è un'estensione che include ogni simbolo corrispondente sulla tabella di trascrizione IPA, permettendo la trascrizione di tutti i linguaggi del mondo.

TDP$

SCICON software (Scicon Research & Development Co.)
Il Dipartimento di ricerca e sviluppo di SCICON ha sviluppato con la collaborazione di vari scienziati e ricercatori un efficace software di analisi e trattamento ed etichettatura del segnale verbale. In particolare: PCquirer e Macquirer, utilizzati come strumenti spettrografici, per l'etichettatura ed anche per l'insegnamento dell'intonazione presso vari laboratori; PCquirer X16 e Macquirer X16 sistemi portatili di aquisizione di dati multicanali per laptop; PitchWorks programma per l'annotazione multi-livello in stile TOBI, dell'intonazione, funzionante anche su laptop (Window e Mac), capace di leggere direttamente file di segnale verbale in formato XWAVES, ESPS, LDC, NIST, NSP, AIFF... Tutti questi programmi sono venduti commercialmente tramite Scicon Research & Development Co.

TDP

SFS - Speech Filing System (Mark Huckvale)
SFS fornisce un ambiente di lavoro utile allo sviluppo delle ricerche sulla natura del segnale verbale. SFS include strumenti software, formati di dati e di file, librerie di programmi, tool grafici, standard, e uno speciale linguaggio di interfaccia. Realizza le principali operazioni standard quali aquisizione, riproduzione, visualizzazione ed etichettatura, analisi spettrografica, analisi delle formanti ed analisi della frequenza fondamentale. Funziona in UNIX, DOS, WIN32 ed attualmente sta funzionando su SUN, Hewlett-Packard, Masscomp, Alfa, Linux ed 486+PC. Il copyright per SFS (Vs3.3) è di University College London, ma il software è attualmente gratuito per le Istituzioni o i laboratori di ricerca senza scopo di lucro. SFS è fornito senza garanzie e supporto.

TDP
[UW]

SGREP (Jani Jaakkola, Pekka Kilpeläinen)
SGREP (structured grep) è uno strumento per la ricerca e l'indicizzazione di testi di tipo SGML, XML, e HTML e per il filtraggio di flussi testuali mediante criteri di verifica strutturali. Il modello di dati di SGREP è basato su regioni, che sono sottostringhe non vuote di testo. Le regioni sono tipicamente delle occorrenze di stringhe costanti, SGML-tags, o elementi espressivi del testo, riconoscibili mediante alcune stringhe di delimitazione o mediante l'analizzatore sintattico incorporato per testi SGML, XML e HTML. Le regioni possono essere arbitrariamente lunghe, arbitrariamente sovrapponentesi e arbitrariamente incorporate. Il seguente articolo è sicuramente utile per chiunque desideri utilizzare SGREP.

TDP
[M]

SignStream (Carol Neidle, Dawn MacLaughlin)
Gli obiettivi del progetto SignStream riguardano lo sviluppo di uno strumento per la trascrizione e l'analisi di dati video relativi al linguaggio (specialmente dati relativi al linguaggio dei segni). SignStream permette all'utente di digitare i dati in qualsiasi numero di campi, definibili dall'utente, in cui ogni riferimento è associato ad un frame iniziale e finale del segnale video. Anche se una base di dati di SignStream è memorizzata in un formato non-leggibile e binario, il programma include la possibilità di esportazione dei dati in formato testuale. Tuttavia, non può essere importato alcun dato esterno. Il programma è attualmente distribuito a pagamento a ricercatori, educatori e studenti.

TDPF
[W]

SIL (Larry Hayashi, Gary Simons, Terry Gibbs)
il Summer Institute of Linguistics (SIL) ha ormai un'enorme esperienza nel fornire i tool e i formati di dati da utilizzare in una descrizione linguistica primaria. LinguaLinks è "un sistema di supporto elettronico per aumentare la produttività dei ricercatori interessati al linguaggio", basato sull'ambiente di calcolo orientato agli oggetti CELLAR (Computing Environment for Linguistic, Literary and Anthropological Research). Altri strumenti del software di SIL sono Speech Analyser e Speech Manager, programmi per Windows per l'etichettatura di file di segnale verbale e per la ricerca in database di segnale verbale etichettato; Shoebox, per l'annotazione di testo interlineare ed il suo predecessore IT. SIL fornisce anche un'annotazione con un formato basato sul linguaggio SGML di nome PTEXT ("parsed text") descritto in questo articolo.

TDP
[W]

SLAM (Piero Cosi)
SLAM (Segmentation and Labelling Automatic Module) è stato sviluppato all'IFeD Istituto di Fonetica e Dialettologia del Consiglio Nazionale delle Ricerche (Padova ITALY). SLAM è stato progettato espicitamente per la segmentazione semi-automatica e per l'etichettatura del segnale verbale, ma fornisce anche varie possibilità di analisi (pitch, spectrogram, neurogram). SLAM per Windows vers 1.0 è charityware (freeware su richiesta) e può essere prelevato al seguente indirizzo.

SMDL (Stephen R. Mounce)
L'annotazione di musica strumentale e vocale ha alcune somiglianze interessanti con l'annotazione del segnale verbale. Vedere la pagina Web di Music Encoding Standards per alcuni interessanti indicazioni generali. E' proposto ed è disponibile uno standard denominato Standard Music Description Language (SMDL).

TDP
[UW]

Snack (Kåre Sjölander)
Snack (spuntino) è un toolkit generale per la gestione di dati acustici con una particolare enfasi per il segnale verbale ed il dialogo. Snack è caratterizzato da una visualizzazione in tempo reale di segnali temporali e di spettrogrammi e dal supporto per molti formati di file. Snack è inoltre estendibile ed è stato realizzato interamente in C++ e Tcl/Tk. Un editor di segnale verbale e un etichettatore fonetico sono inclusi nel software, ed è disponibile, inoltre un plug-in per i browsers di Web.

SUSANNE (Geoffrey Sampson)
Lo schema di annotazione SUSANNE fornisce una codifica dettagliata della grammatica logica e di superficie dell'inglese. Il corpus/treebank di SUSANNE, liberamente disponibile, contiene un sottoinsieme del corpus Brown che è stato marcato secondo questo schema. Il progetto CHRISTINE è stato pensato come un'espansione dello schema analistico e del corpus di SUSANNE al fine di considerare l'inglese parlato, ed in particolare l'inglese parlato spontaneo ed informale.

TalkBank (Brian MacWhinney, Mark Liberman, Peter Buneman, Steven Bird)
TalkBank è un nuovo progetto di ricerca il cui obiettivo è quello di promuovere studi e ricerche nel campo della comunicazione umana ed animale fornendo gli standard e gli strumenti per la creazione, la ricerca, la produzione e la pubblicazione di materiali linguistici primari su Internet. Il progetto si sviluppa in seguito alle esperienze fatte con i corpus di CHILDES e LDC e mira a sostenere le metodologie e le notazioni di una vasta gamma di discipline fra cui: l'espressione verbale tipica dell'insegnamento, l'analisi della conversazione, l'analisi del discorso e del dialogo, l'aquisizione del linguaggio, l'analisi dei gesti, i linguaggi dei segni, l'etologia, l'antropologia, la linguistica sul campo e analisi del segnale verbale.

TEI (Lou Burnard)
L'iniziativa Text Encoding Initiative (TEI) ha pubblicato un dettagliato insieme di raccomandazioni per la codifica e la trascrizione di tutti i tipi di materiali scritti e parlati, utilizzando una struttura estesa dell'ambiente SGML, nel 1994. Questo formato è stato usato in molti progetti di ricerca ed in molte iniziative accademiche di digitalizzazione di dati (esempi) ed ha influenzato molti progetti di creazione di corpus (per esempio BNC, Parole, Multex, Silfide), così come ha influenzato la stesura delle specifiche e degli standard del progetto EAGLES. E' stato attivato un nuovo Consorzio per la manutenzione e losviluppo di TEI, per aggiornare il relativo DTD per essere compatibile XML e per espandere la sua copertura. Le raccomandazioni per la codifica delle trascrizioni del segnale verbale ossono essere trovate qui.

Tipster (Ralph Grishman, Robert Gaizauskas, Hamish Cunningham, Remi Zajac)
Tipster riguarda l'annotazione di testo piuttosto che di segnale verbale, ma ha parecchie proprietà interessanti.

TDP
[UW]

Transcriber (Claude Barras, Edouard Geoffrois)
Transcriber è un software freeware per la trascrizione e l'annotazione dell'audio digitale, mirato inizialmente alla trascrizione di dati relativi a notizie di radiodiffusione. Allo stesso modo di CSLU Speech Toolkit e Snack l'interfaccia utente è scritta in Tcl/Tk. Usa gli stessi formati della trascrizione come i dati relativi alle notizie di radiodiffusione di LDC ed è stato anche adattato per I/O XML. È stato sviluppato da Claude Barras e da Edouard Geoffrois, DGA Parigi, in collaborazione con LDC.

TD
[UW]

TransTool ( Jens Allwood, Elisabeth Ahlsén, Joakim Nivre)
Il corpus svedese Swedish Spoken Language Corpus di linguaggio parlato, sviluppato presso il Department of Linguistics, Università di Göteborg, è associato a parecchi tool interessanti: Transtool, aiuto alla trascrizione; Synchtool, per la sincronizzazione delle trascrizioni con gli archivi audio e video; TRASA, uno strumento per analisi automatica del corpus; e TRACTOR, uno strumento di supporto per lacodifica.

Treebank (Mitch Marcus)
Il progetto Penn Treebank ha prodotto annotazioni semantiche e sintattiche di testo naturale per i corpus: Wall Street Journal, Brown, ATIS e Switchboard. Le annotazioni prodotto dal progetto Treebank sono state pubblicate da LDC.

TSNLP (Klaus Netter, Doug Arnold, Stephan Oepen, Judith Klein)
`Test Suites for Natural Language Processing', (sistema sperimentale per l'elaborazione del linguaggio naturale), è un consorzio europeo che fornisce sistemi sperimentali per l'elaborazione del linguaggio naturale per il tedesco, il francese e l'inglese. Per una descrizione dello schema di annotazione di TSNLP, si può far riferimento al WP2.2. In particolare la Sezione 5 si riferisce ad alcuni esempi. Lo schema di annotazione include le informazioni essenziali (quale un punteggio di forma corretta o buona) ed esprime anche un'annotazione di sottostringa memorizzata sotto forma di tabella (per le informazioni analitiche che comprendono i costituenti sintattici e alcune descrizioni d'errore). L'interfaccia sperimentale è consultabile via Internet. Lo schema della base di dati è descritto nel manuale dell'utente, volume 2, sezione 4.

UNICODE (info@unicode.org)
Il consorzio Unicode riunisce in le principali società e moltissimi ricercatori specializzati nella standardizzazione internazionale della codifica di font. Il risultato di questa cooperazione è lo standard di Unicode, che fornisce il fondamento per l'internazionalizzazione e la localizzazione del software. Unicode ha una serie di congressi e un FAQ. Ci sono character charts, compresa una tabella per le estensioni dell'IPA. Fino a qaundo i browsers in Web non supporteranno Unicode, viene fornita una soluzione mediante una serie di fonti dinamici che permettono a qualsivoglia tipo di font di essere liberamente trasportate in rete (TrueDoc, Bitstream, Hexmac).

UTF (Jon Fiscus, John Garofolo)
ll gruppo Spoken Natural Language Processing Group del National Institute for Standards and Technologies (NIST) ha prodotto le secifiche per un formato basato su SGML denominato Universal Transcription Format" (UTF) per le valutazioni del 1998 dei corpus Hub-4 Broadcast News e Hub-5 conversational speech. UTF è basato sui formati SGML utilizzati da LDC per i precedenti corpus relativi alle notizie di radiodiffusione ed altre pubblicazioni.

Vermobil (Wolfgang Wahlster, Reinhard Karger)
Verbmobil è un grande progetto tedesco di traduzione di discorso-$$$-discorso per i settori della trattativa di appuntamento, della pianificazione di corsa e della prenotazione dell'hotel. Il progetto di annotazione Verbmobil include l'ortografia, l'annotazione segmentale (con BAS Partitur), la prosodia (ToBI per il tedesco), l'etichettatura morfologica e posizionale, l'annotazione semantica e l'annotazione di dialoghi. Dafydd Gibbon ha sviluppato un modello per la condivisione delle basi di dati lessicali in Verbmobil, chiamato HyprLex.

FTDP
[UW]

WaveSurfer (Jonas Beskov, Kåre Sjölander)
WaveSurfer è uno strumento di: recording, playing, editing, viewing, printing, e labelling di dati audio. WaveSurfer è adatto in moltissimi tipi di applicazion, sia nel campo della ricerca in Speech Communication che nell'insegnamento o nella didattica. Funziona in ambiente Windows 95/98/NT, Linux, Sun Solaris, HP-UX, and SGI IRIX e utilizza i più comuni formati dei file audio: WAV, AU, AIFF, e MP3. WaveSurfer è stato sviluppato presso il Centre for Speech Technology (CTT) presso il KTH di Stoccolma, Svezia, ed è disponibile secondo la modalità "open source", su licenza GPL. Per ogni chiarimento o informazione rivolgersi agli autori.