遼寧普通話有聲數(shù)據(jù)庫的建設構想

徐 今

大連理工大學，遼寧 大連 116024

一、地方普通話有聲數(shù)據(jù)庫建設現(xiàn)狀

地方普通話是方言區(qū)的人們在學習與使用標準普通話的過程中，受方言影響而形成的帶有不同程度方言色彩的普通話，表現(xiàn)出中介語的特點，過去也叫作“藍青官話”。地方普通話在當前跨地區(qū)交際中發(fā)揮著重要作用，全國范圍內絕大多數(shù)人說的都是地方普通話。了解地方普通話的狀況,探索地方普通話由低級向高級的發(fā)展規(guī)律,總結地方普通話的“板結”特點,對于推廣普通話、研究語言學習規(guī)律等都具有重要意義。[1]

近些年，地方普通話的研究已然成為漢語研究一個新的增長點，但成果還遠遠不夠。我們認為，地方普通話的研究應該充分重視地方普通話有聲數(shù)據(jù)庫的建設，它可為地方普通話的本體研究提供豐富的原始數(shù)據(jù)，并實現(xiàn)地方普通話的長效保存。

中國語言資源有聲數(shù)據(jù)庫在國家語委的籌劃組織下于2008年開始建設，這是國家語委的重大建設項目。該項目將地方普通話列為主要調研對象之一，體現(xiàn)了國家對地方普通話的重視。項目旨在將中國各縣域的語言實態(tài)記錄下來，歸檔建庫，永久保存，這一龐大工程目前正在各省陸續(xù)展開。地方普通話的調查內容是：1.用普通話講述規(guī)定故事《牛郎織女》；2.用普通話朗讀兩篇短文《誠實與信任》與《大學生村官》。地方普通話分庫相對于重點建設的方言庫而言，明顯居于次要地位。方言分庫包括字庫、詞庫、句庫、話語庫等多個子庫，地方普通話分庫則只有一個話語庫，且所調查的內容是限定內容。方言庫的話語庫所調查的則是開放內容：一是任選話題進行講述，每人共20分鐘；二是任選話題進行對話，共20分鐘。地方普通話分庫無論在子庫種類、內容存量上均和方言庫有明顯差異，反映出我國地方普通話有聲數(shù)據(jù)庫處于初步建設階段。

2015年，教育部和國家語委在國家財政的支持下，開始實施中國語言資源保護工程，這是一項大型的語言文化類國家工程，計劃5年時間完成。“語保工程”是2008年的中國語言資源有聲數(shù)據(jù)庫建設工作的延續(xù)、擴充和提升。[2]然而，“語保工程”在地方普通話的調研上，與2018年的方案相比沒有變化，依然是整個建設工程中不被重視的部分。

二、遼寧普通話有聲數(shù)據(jù)庫建庫目的

遼寧普通話有聲數(shù)據(jù)庫的建庫目的有三：其一，旨在“保存”。記錄和保存地方普通話是方言保存的一種特殊形式，是對單純的方言保存工作的有機補充。

其二，旨在“研究”，地方普通話是方言向標準普通話過渡的一種中介語形式，中介語研究無論對于源語研究還是目的語研究均有積極意義。

其三，旨在“展示”，為其他省份的人以及遼寧地區(qū)的外國留學生了解和熟悉遼寧普通話提供有聲材料。

這一建庫目的區(qū)別于國家語保工程的“保存”目的，因此，遼寧普通話有聲數(shù)據(jù)庫的建庫設計，將在參考國家語保工程的基礎上有些針對性的調整，主要體現(xiàn)在數(shù)據(jù)采集和數(shù)據(jù)處理兩個方面。

三、遼寧普通話有聲數(shù)據(jù)庫數(shù)據(jù)采集

（一）調查地點

根據(jù)楊春宇的相關研究[3]，遼寧境內方言可分為五個片區(qū)：朝峰片、遼西片、遼東片、蓋桓片和登連片。片區(qū)內每個市、縣設立一個調查點。

片區(qū)朝峰片遼西片確定標準中古疑母、影母字是否與泥母相混，是否帶鼻化音中古精組字與知莊章組字是否相混、莊組字是否多于普通話遼東片中古精組字與知莊章組字是否相混、精組字是否多于普通話蓋桓片包含的市縣凌源市、建平縣、喀左縣、朝陽縣、朝陽市、北票市建昌縣、綏中縣、興城市、葫蘆島市、錦州市、凌海市；義縣、北寧市、黑山縣、阜新市、阜新縣、彰武縣、臺安縣、盤山縣、盤錦市、大洼縣康平縣、法庫縣、昌圖縣、開原市、調兵山市、鐵嶺縣、鐵嶺市、西豐縣、沈陽市、遼中縣、新民市；遼陽市、燈塔市、遼陽縣、鞍山市、海城市、撫順市、撫順縣、清原縣、新賓縣、本溪市、本溪縣、鳳城市營口市、大石橋市、蓋州市、岫巖縣、桓仁縣、丹東市、東港市登連片調類多少與平聲調值的實際讀音，古清入聲母的今讀上聲，日母的有無等調類的多少與平聲調值的實際讀音，古清入聲母的今讀上聲，日母的有無等大連市、長海縣、寬甸縣、瓦房店市、普蘭店市、莊河市

（二）調查對象

每個調查點選擇2名地方普通話發(fā)音人，2名發(fā)音人的普通話水平均為二乙（即80-86.9）。不選擇普通話水平為二甲的發(fā)音人，二甲等級的普通話是比較標準的普通話，已經(jīng)不適宜看成方言向普通話的過渡態(tài)了。也不選擇普通話水平在二乙以下的發(fā)音人，主要考慮有二：一是因為國家語保工程對這部分地方普通話發(fā)音人進行了調查，國家語保工程在每個調查點選擇3名地方普通話發(fā)音人，1名發(fā)音人的普通話水平是三甲，另2名發(fā)音人的普通話水平不入級。選擇普通話水平是二乙的發(fā)音人，正好構成對國家語保工程調研的有機補充。二是遼寧地區(qū)的方言主要是北方方言、東北方言和膠遼官話，和普通話的差異并不顯著，換句話說，遼寧人的整體普通話水平高于全國平均水平。因此，我們對遼寧普通話發(fā)音人的普通話水平的擇定等級略高于國家統(tǒng)一標準。

（三）調查內容

1.概況：包括調查點概況、發(fā)音人情況、調查人情況、調查情況。

2.語音：發(fā)音人念讀《中國語言資源調查手冊·漢語方言》[4]調查表中針對音系調查的字，調查人描寫記錄，整理出地方普通話的聲韻調系統(tǒng)。

3.字：發(fā)音人念讀調查表中的1000個單字。

4.詞匯：發(fā)音人念讀調查表中的1200個詞匯。

5.朗讀：發(fā)音人朗讀短文《誠實與信任》和《大學生村官》。

6.講述：

（1）發(fā)音人講述規(guī)定故事《牛郎織女》。發(fā)音人提前熟悉故事內容，用普通話把故事的意思自然地講述出來，內容可發(fā)揮，篇幅可加長。講述時不允許看文本。

（2）發(fā)音人從給定的7個話題（當?shù)厍闆r、風俗習慣、傳統(tǒng)節(jié)日、個人經(jīng)歷、工作情況、業(yè)余愛好、家庭情況）當中選擇某幾個話題進行講述。發(fā)音人提前熟悉講述的話題，用普通話自然地講述，越具體越詳細越好，不少于20分鐘。

（3）對話。2位發(fā)音人自由對話，不少于20分鐘。

（四）調查方法

采用“音像圖文”四位一體的調查方法。

1.錄音

（1）場所：安靜的房間，語音數(shù)據(jù)信噪在-48d b以下。

（2）器材：運行噪音低的電腦，例如聯(lián)想Think-PadX、T系列（2G以上內存，USB2.0以上接口，Windows XP、Windows7或Windows8操作系統(tǒng)）。使用SAMSON C03U話筒（心形指向、全指向可調，話筒內帶聲卡）和奧創(chuàng)Alctron MA016防噴罩。

（3）錄音軟件：使用byly（北語錄音）或YBSL(語保攝錄機),YBSL可設置為僅錄音。這兩款軟件可對調查條目逐條錄音，錄音時同步顯示波形，自動逐條保存并命名錄音文件。語保攝錄機還具備自動錄音、語音質量檢測、信息標記、圖片關聯(lián)等功能。

（4）錄音參數(shù)：單聲道；采樣率為44100HZ；采樣精度為16bit；音頻格式為windows PCM(.WAV)。byly和YBSL已設置以上參數(shù)為默認值。

2.攝像

（1）器材：使用索尼、佳能、松下等一線品牌的全高清數(shù)碼攝像機，配套有線或無線話筒及三腳架。使用一線品牌計算機，例如聯(lián)想（含Thinkpad和Lenovo）、戴爾（Dell）等，配置酷睿i7以上的非低電壓版CPU,DDR3 4G以上內存，轉速7200轉以上硬盤（最好是固態(tài)硬盤），USB接口不少于3個。

（2）攝像要求：鏡頭對準發(fā)音人的上半身，話筒放在發(fā)音人前方的適當位置或夾在領口。盡量用最遠拍攝模式拍攝，不使用變焦(拉近放大)功能。如果必須變焦，只能使用光學變焦，不能使用數(shù)碼變焦。發(fā)音人的背景應整齊干凈平整，顏色不要太暗，使用純藍色背景。背景布上不要有明顯的陰影。發(fā)音人的臉部正對鏡頭，不要背光，臉部不要有陰影。

（3）攝像方式：使用YBSL。YBSL具備錄音和視頻同步采集功能，能按條目對錄音和視頻文件進行自動切分、命名和存儲。

（4）視頻文件：一律選擇攝像機的最高畫質、采用全高清模式拍攝，視頻文件參數(shù)不低于1920×1080/50i（或 25p）/15000kbps。格式視攝像設備而定，例如：m2ts，mpg。

3.照相

（1）照相內容：包括發(fā)音人像、調查工作場景和具有地方特色的事物和現(xiàn)象。

（2）照相器材：最好使用佳能、尼康等一線品牌1200萬以上像素的數(shù)碼單反相機。

（3）照片文件：選擇相機的最高畫質模式（最高分辨率和精細度）拍照，采用*jpg格式，分辨率最好不低于4368×2912像素。

四、遼寧普通話有聲數(shù)據(jù)庫數(shù)據(jù)處理

（一）音頻處理

音頻處理主要包括噪音消除和語音切分兩個環(huán)節(jié)。為使原始聲音干凈、清晰，需要進行降噪處理，降噪處理可利用音頻處理軟件Audacity來實現(xiàn)。語音切分主要是針對話題講述和自由對話的音頻而言的，我們擬將這類話語切分為小句，每個小句對應一段音頻，音頻按一定的序列排列，這可為遼寧普通話的觀測及語言研究帶來極大的便利。切音工作可由機器進行，人工校正。我們經(jīng)過前期的尋找、對比、測試，發(fā)現(xiàn)軟件Aboboo有著強大的音頻自動分句的功能，在錄音效果較好的情況下，初次斷句的準確率不低于人工。

（二）語音轉寫

話題講述和自由對話的語音數(shù)據(jù)均需轉寫為文字。軟件Aboboo雖有強大的切音能力，卻不具備轉寫功能。我們對包括訊飛公司在內的一些國內生產(chǎn)的自動語音轉寫工具進行了測試，發(fā)現(xiàn)機器對語音的識別轉寫率隨著發(fā)音人口音的加重而大幅降低，本項目的輸入語言是帶口音的非標準普通話，機器僅能起到有限的輔助作用，主要還是依靠人工來完成語音轉寫。

五、余論

本項目擬建的遼寧普通話有聲數(shù)據(jù)庫將建設為向公眾開放的數(shù)據(jù)庫。項目組會對相關語言材料進行后期整理，包括規(guī)范文件名、文件歸檔、校對等。然后購買域名和服務器，前端設計網(wǎng)頁，后端接數(shù)據(jù)庫。最后內部運行測試，合格穩(wěn)定后向公眾開放使用。