[摘要]介紹我國近年來相關(guān)研究的情況，論述建設(shè)漢語方言語音數(shù)據(jù)庫的重要意義和技術(shù)上的可行性，并從漢語方言語音數(shù)據(jù)庫功能、數(shù)據(jù)庫系統(tǒng)構(gòu)成、語音語料庫設(shè)計等幾個方面進行分析和探討，構(gòu)建一款可用于認知和研究等的多功能的漢語方言語音數(shù)據(jù)庫，同時提出需要注意的幾個問題。
　　[關(guān)鍵詞]漢語方言　方言數(shù)據(jù)庫　語音數(shù)據(jù)庫
　　[分類號]H21　G254
　　
　　1　引言
　　
　　近幾年，由于受到普通話和流動人口的影響，使得用純正方言的人數(shù)越來越少，應(yīng)該說這些方言正處于衰變狀態(tài)。所以，筆者認為，盡快建立具有多功能的漢語方言語音數(shù)據(jù)庫具有極其重要的意義：①可以通過其存儲和學習功能來保護和傳播人類非物質(zhì)文化遺產(chǎn)；②通過其檢索和辨識等功能，幫助某些職能部門準確辯別出話語者的鄉(xiāng)里籍貫等地域信息，如對公安、安全部門開展刑事偵查等具有重要的應(yīng)用價值；③通過其原生態(tài)的語音語料庫事實數(shù)據(jù)有助于深入研究語音現(xiàn)象和文化淵源等。同時，它又可以推動語言現(xiàn)代化處理技術(shù)的深入研究和運用。可見，擬建的漢語方言語音數(shù)據(jù)庫具有廣闊的應(yīng)用前景。
　　多媒體計算機語音處理功能的實現(xiàn)，多媒體軟件開發(fā)技術(shù)的運用，漢語文－語轉(zhuǎn)換、自動分詞、語音合成、語音檢索等處理技術(shù)的深入研究等都為多功能漢語方言語音數(shù)據(jù)庫的建設(shè)提供了有力的技術(shù)保障，如漢語的文語轉(zhuǎn)換系統(tǒng)可以將計算機內(nèi)的任何文本轉(zhuǎn)換成連續(xù)的語音流，再如漢語方言自動辨識技術(shù)雖然尚處于起步階段，但它可以通過特征選取、音素匹配等方法對漢語方言進行辨識。
　　目前，學界相關(guān)研究也曾取得了一些成績，如李永宏和于洪志對“安多藏語語音合成語料庫”進行了初步研究，詞庫以雙音和多音節(jié)詞為主體，句料庫卻以7種句型合成為主；沈向榮曾提出開發(fā)“壯語方言詞語在線語料庫檢索軟件”的設(shè)想；海柳文曾提出“漢語方言民族語言語音材料處理軟件”的開發(fā)框架；肖雙榮和吳道勤曾提出要在建立湖南方言語音特征數(shù)據(jù)庫基礎(chǔ)上進行湖南方言語音特征統(tǒng)計和分析；中國社會科學院開發(fā)的“北方方言基本詞匯數(shù)據(jù)庫”，收錄北方話100余調(diào)查點和2000余條基本詞匯；由丁邦新等開發(fā)的“漢藏同源詞研究系統(tǒng)”，收錄了漢藏語系122種語言和12種漢語方言的1500余條詞匯；再如麥耘主持的“漢語方言詞匯數(shù)據(jù)庫”，劉丹青主持的“方言語法語料庫”，侯精一主持的“現(xiàn)代漢語方言音庫”，劉俐李主持的“漢語方言語音詞匯庫”等。盡管這些相關(guān)數(shù)據(jù)庫存在明顯不足，如方言偏少，收詞量偏少，語音數(shù)據(jù)缺乏，缺少語音原始情景信息，系統(tǒng)功能單一等，但它們都為漢語方言語音數(shù)據(jù)庫建設(shè)打下了良好的基礎(chǔ)。
　　
　　2　方言語音數(shù)據(jù)庫建構(gòu)
　　
　　2.1　數(shù)據(jù)庫功能
　　檢索功能。數(shù)據(jù)庫應(yīng)具有多途徑檢索功能，檢索標識可以是文本也可以是語音；可使用多條件進行組合檢索，能實現(xiàn)普通話與方言以及方言與方言之間的雙向瀏覽，如由普通話詞匯或語音能檢索到相應(yīng)的方言詞匯或語音，由方言查找普通話或其它方言等；能以漢語方言語音為檢索入口，通過對語音特征進行匹配，如調(diào)類、調(diào)值、調(diào)型、變調(diào)等，查出方言的市、縣、鄉(xiāng)三級地名信息；能根據(jù)各種方言實際情況和用戶瀏覽習慣，來確定瀏覽方式和輸出信息。
　　學習功能。該數(shù)據(jù)庫的建成將成為人們了解和學習各種方言不可或缺的工具。可以通過直接點擊數(shù)據(jù)庫中的詞語或句子并選擇方言類型，便能聽到該方言的發(fā)音和相關(guān)例證等信息�？梢酝ㄟ^輸入詞、句、段等文本，輸出相對應(yīng)的語音和相關(guān)例證等信息，這些語音文件有的是語料庫中的原生態(tài)發(fā)音，有的是通過自動切分技術(shù)，采用音節(jié)及詞匯的語音合成技術(shù)模擬而成的仿自然語句。
　　分析功能。系統(tǒng)可以實現(xiàn)各種知識庫間的有機聯(lián)系，對各種方言的語法、語義和語用等資源描述信息進行比較分析等，如能以方言語音語料庫、方言詞語詞匯庫、方言語音語法知識庫等為基本依據(jù)進行各種特征相似度比較、匹配和分析等，從而確定檢索結(jié)果與要輸出的內(nèi)容。
　　下載功能。它用來實現(xiàn)用戶對檢索、分析和比較結(jié)果的下載和打��；提供給用戶對語言數(shù)據(jù)的統(tǒng)計(表格)等的輸出；可以輸出用戶使用情況的統(tǒng)計數(shù)據(jù)與分析等。可以選擇語音文件的某種格式進行下載，也可以輸出帶方言注音的漢語學習文本。
　　維護功能。它主要包括三方面的維護功能：一是數(shù)據(jù)編輯功能，系統(tǒng)對載人的語音數(shù)據(jù)可以進行復制、剪切、替換、插入等；二是系統(tǒng)維護功能，系統(tǒng)管理員可進行數(shù)據(jù)管理、用戶管理、日志管理以及系統(tǒng)升級等；三是拓展功能，根據(jù)發(fā)展需要對數(shù)據(jù)庫再設(shè)計或添加新模塊，以加強或拓展數(shù)據(jù)庫功能。
　　用戶驗證。系統(tǒng)對使用者身份進行確認從而分配不同的權(quán)限，主要分為系統(tǒng)管理員、數(shù)據(jù)管理員和普通用戶。
　　輔助功能。為用戶提供每種方言的語音系統(tǒng)介紹，為用戶提供輸入輸出音標系統(tǒng)說明以及提供漢語方言調(diào)查表和相關(guān)語音對照表等。
　　
　　2.2　數(shù)據(jù)庫系統(tǒng)構(gòu)成
　　
　　2.2.1　系統(tǒng)基本模式建議采用C/S模式即服務(wù)器／客戶端模式。服務(wù)器端主要用于存放與管理數(shù)據(jù)，可使用具有強大伸縮性和可靠性的網(wǎng)絡(luò)后臺數(shù)據(jù)庫軟件，如SQL SERVER等。客戶端軟件可采用相關(guān)開發(fā)工具自主開發(fā)，如借助ASP并結(jié)合相關(guān)語音錄入、合成、辨識和輸出等開發(fā)軟件共同制作而成，主要用來輸入、輸出及互傳信息等。
　　2.2.2　數(shù)據(jù)庫基本結(jié)構(gòu)
　　語音數(shù)據(jù)庫。語音數(shù)據(jù)庫用于存放漢語方言字、詞、句等各語音數(shù)據(jù)及其屬性、特征、標注、鏈接等相關(guān)信息。其中方言語音特征信息是方言相關(guān)度計算的前提，需要把純粹音系特征和字音特征相結(jié)合來確定方言語音特征，這樣即能體現(xiàn)出不同方言在音系特征方面的異同，也能體現(xiàn)出字音特征方面的異同。語音數(shù)據(jù)既包括每個字、詞、句可能的正常發(fā)音，又包括其變調(diào)后的發(fā)音，特別是變調(diào)后那些“半陰”、“半陽”等模糊聲調(diào)音，由于變調(diào)都遵循規(guī)則，因此盡量錄制存儲音節(jié)單元的變調(diào)，這樣不會使語音庫無限擴大。語音數(shù)據(jù)庫也可細分為詞音庫、句音庫、段音庫等，也可分為方言音庫和普通話音庫等。
　　文本數(shù)據(jù)庫。文本數(shù)據(jù)庫用于存放漢語方言字、詞、句、地名等各文本數(shù)據(jù)及其屬性、標注、鏈接等相關(guān)信息。文本數(shù)據(jù)庫具體可包括詞匯庫、地名庫、語料庫等。
　　知識庫。該庫用于存放各種詞典、語法和語義等關(guān)系數(shù)據(jù)及各種規(guī)則等，它是集各種知識文檔和關(guān)系文檔于一體的大型集成系統(tǒng)。它可存放檢索標識、特征和關(guān)系信息等，這既是實現(xiàn)具體檢索方法的基礎(chǔ)，又是對檢索標識屬性的描述。這些關(guān)系離不開各種規(guī)則，即事實性規(guī)則、關(guān)聯(lián)規(guī)則、推理規(guī)則、認知規(guī)則和模糊規(guī)則等。知識庫具體可分若干子庫，如方言詞匯對應(yīng)規(guī)則知識庫、方言語音對應(yīng)規(guī)則知識庫、方言屬性對應(yīng)規(guī)則知識庫、語根知識庫等。
　　索引庫。它用于存放各種索引，包括分類索引、主題索引、語音特征索引、語音代碼索引等。
　　輔助庫。它用于存放在檢索或維護過程中調(diào) 用或形成的各種臨時數(shù)據(jù)或輔助數(shù)據(jù)等，如可根據(jù)需要建立一個臨時用戶代碼庫等，方便高級用戶在檢索時使用。也存放各級用戶相關(guān)的背景資料信息，即所謂的用戶庫；或存放系統(tǒng)維護的相關(guān)控制信息等，即所謂的控制庫；或存放用戶自定義的數(shù)據(jù)資料和輸出結(jié)果，即所謂的自定義庫等。
　　2.2.3　數(shù)據(jù)基本結(jié)構(gòu)數(shù)據(jù)項涉及多種數(shù)據(jù)屬性，包括方言域、方言類型、語音詞、音節(jié)、調(diào)類、音頻、釋義等。每個數(shù)據(jù)包括許多匹配與辨識所用的關(guān)聯(lián)與指示，如標識域、描述域、分類域、關(guān)系域等，以及其它相關(guān)屬性等。如某一類數(shù)據(jù)基本結(jié)構(gòu)為：
　　
　　Key：檢索鍵值
　　T：類型
　　C：族性類別代碼
　　N：出現(xiàn)頻次
　　P：地址指針(其中Pc為域指針，Pi為信息指針，Pn為其它指針)
　　2.2.4　檢索機制 漢語方言語音檢索主要是通過語音、語法、詞匯等關(guān)鍵特征的匹配來完成的，可以通過方言語音典型特征及相關(guān)控制等因素來判斷，也可通過對其綜合特征進行分析等來準確判斷，或利用方言親疏關(guān)系聚類分析等來判斷。不管哪種方法都是要利用語音處理軟件把語音特征及相關(guān)數(shù)據(jù)轉(zhuǎn)換成與知識庫規(guī)則相一致的可比數(shù)據(jù)，再通過辨識系統(tǒng)進行對比分析，最后輸出檢索結(jié)果。
　　特征信息量越大，排他性越強，越利于檢索匹配。所以，語音辨識，首先進行方言語音聲調(diào)和音長典型特征的匹配，聲調(diào)特征涉及面廣，具有強烈的排他性，各種方言的聲調(diào)系統(tǒng)間極少有在調(diào)類數(shù)、調(diào)型、調(diào)值、聲調(diào)來源、變調(diào)規(guī)律各方面都完全重合的；其次，可根據(jù)需要進一步進行方言其它特征的匹配，如聲波頻變、疊加、滑變等。
　　
　　3　語音語料庫設(shè)計
　　
　　3.1　語料庫
　　雖然語音語料庫搜集哪些語料、搜集多少，并無統(tǒng)一標準，但要建立具有一定數(shù)量規(guī)模和特征的詞匯庫、句子庫、語段庫等，就要搜集方言地域人們所經(jīng)常使用的語言文字材料，如文化與生活、歷史與宗教、教育與科技等，越土、越俗的越要選用。
　　對于詞匯，美國普林斯頓大學1972年出版的Handbook of，Chinese Dialect Vocabulary(漢語方言詞匯調(diào)查手冊)將詞目分為33個義類，共5000余條目；我國2003年修訂的《漢語方言詞語調(diào)查條目表》版將詞匯分為29大類，詞目4000余條。方言的核心詞主要包括名詞、動詞、形容詞等，而方言中對同一事物的不同表述(或說法)的詞語，要盡量搜集全面，對于那些有本地方言特征或摻雜本地音調(diào)的外來詞，也要適當搜集，增加例詞、例句、釋義等，力求能夠全面反映某地方言的語音特點。
　　對于句子，結(jié)合方言自身生活習俗、語言習慣等實際情況采集語料(包括長篇的話語材料)，按其語法特點，提煉含有各種句型的句子樣本，它們包括敘述句、判斷句、疑問句、否定句、祈使句等。這些樣本是在一定的情景下以日常生活為題材的自然話語。
　　
　　3.2　音源選擇
　　在語音數(shù)據(jù)庫建設(shè)中，對某種方言的典型地域及發(fā)音人的選擇至關(guān)重要。中國語言狀況極為復雜，每個地方都有自己的“語言”，這既是方言魅力所在，又給音源選擇帶來極大難度，所以，要對某種方言狀況進行較全面的調(diào)查了解，才能科學地選擇具有代表性的地域、方言及發(fā)音人。
　　為確保采集方言語料的質(zhì)量和代表性，所選擇的方言發(fā)音人必須土生土長、口齒清晰、操音熟練、用語傳統(tǒng)、語速適中，是當?shù)毓�認發(fā)音準確的。應(yīng)選擇那些文化程度不高、生活范圍狹小、善于交際聊天、但很少受普通話影響的年齡在五、六十歲的發(fā)音人，這個年齡段的人講話相對較“土”一些。
　　至少要選擇三組平行音源，進行平行錄音和重復錄音，以便采集準確語音發(fā)音樣本。
　　
　　3.3　語音錄制
　　應(yīng)選配專用錄音房、專業(yè)錄音麥克風、電平監(jiān)視器等設(shè)備，采用先進的錄音合成軟件，音頻控制要在16000Hz采樣率和16位精度以上，設(shè)置為清晰的單聲道音頻信號，存儲為相應(yīng)的文件格式。
　　麥克風是錄音中重要的設(shè)備，既要保證在專業(yè)環(huán)境下的高靈敏性，也要保證其能在非專業(yè)錄音環(huán)境中正常使用。對于具體環(huán)境下的情感語音錄音可隨機應(yīng)變，盡量選用不會影響發(fā)音人情緒的錄音設(shè)備，如錄音筆等。如果朗讀情感式錄音文本，建議配戴袖珍麥克或頭戴式麥克。
　　整個錄音過程應(yīng)在專業(yè)技術(shù)人員指導下進行，有些錄音可在正式錄音前安排模擬錄音實驗，但有些實時錄音必須一次成功。所有方言發(fā)音文件應(yīng)配備對應(yīng)的普通話讀音文件，便于理解與學習。
　　
　　4　需要注意的幾個方面
　　
　　4.1　數(shù)據(jù)庫功能
　　數(shù)據(jù)庫的設(shè)計既要保證數(shù)據(jù)的可靠性和完整性，又要保證系統(tǒng)的兼容性和共享性；既要成為通用的數(shù)據(jù)庫檢索系統(tǒng)，又要成為語言學習與研究的共享軟件。對方言文本發(fā)音的標音不僅要易標，關(guān)鍵是要易讀、易懂，能夠保證它的準確性和連貫性。
　　
　　4.2　方言數(shù)據(jù)采集
　　數(shù)據(jù)是數(shù)據(jù)庫各種功能得以實現(xiàn)的最基本保證，而方言所涉及種類多、范圍廣，所以，要在數(shù)據(jù)采集上加大投入，建立數(shù)據(jù)搜集的各級組織，以便把那些很土的方言采集齊全。應(yīng)減少朗讀普通話提示文本錄制語音數(shù)據(jù)，盡量采集原生態(tài)語法現(xiàn)象與發(fā)音習慣，以保證某種方言的客觀性和特殊性。
　　
　　4.3　檢索預(yù)處理
　　一般檢索系統(tǒng)往往采用禁用詞表、運算規(guī)則等進行初步檢索規(guī)范，但在方言數(shù)據(jù)庫檢索過程中無法使用這些規(guī)則，因為每個詞都有其發(fā)音，都有檢索意義，特別是在進行語音檢索時，某些超失范語句必須進行預(yù)處理，否則容易匹配失誤，導致檢索錯誤，而人工預(yù)處理需要有一定的檢索知識和語言知識，所以設(shè)計智能預(yù)處理系統(tǒng)非常必要。
　　
　　4.4　軟件開發(fā)
　　盡管已經(jīng)開發(fā)出一些語音處理與識別軟件，但尚需進一步研究和開發(fā)具有“自然語言認知和情感理解能力”的語音特征自動識別與提取軟件、語義自動分析軟件、語一文自動轉(zhuǎn)換軟件以及漢語方言智能預(yù)處理軟件、自動辨識軟件、自動合成軟件等。
　　
　　4.5　數(shù)據(jù)庫標準化
　　我國數(shù)據(jù)庫系統(tǒng)的研制與開發(fā)需要統(tǒng)一的數(shù)據(jù)標準和建庫規(guī)范。所以，有必要對語音數(shù)據(jù)庫的有關(guān)數(shù)據(jù)和功能制定一個統(tǒng)一的標準，而方言語音數(shù)據(jù)庫的建設(shè)也亟需采取統(tǒng)一的規(guī)劃措施。
　　
　　5　結(jié)語
　　
　　中國地域遼闊，語言狀況相當復雜，每個地方都有自己的方言，方言研究涉及很多問題，是一個很大的課題，為此，有必要對方言語音數(shù)據(jù)庫進行規(guī)模研究，以促進我國漢語語言文化的留存與傳承，并推動學界對我國漢語方言語言深入而持久的研究。

相關(guān)熱詞搜索：漢語 構(gòu)想 方言 漢語方言語音數(shù)據(jù)庫建設(shè)構(gòu)想 中國手語數(shù)據(jù)庫建設(shè)的構(gòu)想 布依語語音數(shù)據(jù)庫建設(shè)初探