Converter TSV para STM

Entendendo os formatos de arquivo tsv e stm

TSV (Tab-Separated Values) é um formato de arquivo baseado em texto simples usado para armazenar dados em uma estrutura tabular, onde cada campo é separado por um caractere de tabulação. É comumente utilizado para troca de dados entre aplicativos de planilha e bancos de dados.

STM (Segment Time Marked) arquivos são utilizados principalmente em processamento de fala e linguagem. Eles contêm informações de segmentos alinhados temporalmente para arquivos de áudio, marcando os tempos de início e fim dos segmentos de fala junto com dados de falante e transcrição. Arquivos STM são amplamente utilizados em projetos como a NIST Speech Recognition Evaluation.

Por que converter tsv para stm?

Converter um arquivo TSV para um arquivo STM geralmente é necessário quando você possui informações de segmentos em um formato tabular (como tempo de início, tempo de fim, falante e transcrição) e precisa usá-las em ferramentas de processamento de fala que requerem o formato STM.

Como converter tsv para stm

Não existe um conversor direto e universal para TSV para STM, pois a conversão depende da estrutura do seu arquivo TSV. Contudo, é possível usar linguagens de script como Python para automatizar o processo. Aqui está uma abordagem geral:

1. Abra seu arquivo TSV em um editor de planilhas ou editor de texto para verificar a ordem das colunas (por exemplo, filename, channel, speaker, start_time, end_time, transcription).
2. Escreva um script em Python para ler o arquivo TSV, analisar cada linha e formatá-la de acordo com a especificação do STM:
   filename channel speaker start_time end_time <NA> transcription
3. Salve a saída como um arquivo .stm.

Softwares e ferramentas recomendados

• Python com pandas: Para ler facilmente arquivos TSV e escrever scripts personalizados para formatação STM.
• LibreOffice Calc: Para edição manual e exportação de dados TSV, embora seja necessário usar scripts para formatar como STM.
• Scripts personalizados: Para processamento em lote, scripts em Python ou Perl são os mais flexíveis e confiáveis.

Exemplo de script Python para conversão

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)

Ajuste os nomes das colunas conforme necessário para corresponder ao seu arquivo TSV.

Resumo

Converter TSV para STM é melhor realizado com um script personalizado, pois o processo depende da estrutura dos seus dados. Python é a ferramenta recomendada para essa tarefa, devido à sua flexibilidade e facilidade em lidar com dados tabulares.