范俊軍

（暨南大學(xué) 漢語方言研究中心，廣東 廣州510632）

近幾年瀕危語言有聲語檔建設(shè)得到了學(xué)界的積極關(guān)注。從國際上語言文化學(xué)界應(yīng)對瀕危語言問題的實踐情況來看，建立有聲語檔是保存和保護(hù)瀕危語言的首選可行之策。國家哲學(xué)社會科學(xué)基金將瀕危語言有聲語檔建設(shè)列入課題指南，對此起到了有力的推動作用。瀕危語言有聲語檔建設(shè)的中心任務(wù)，就是要充分采錄現(xiàn)存的活態(tài)自然口語以及傳統(tǒng)環(huán)境知識表達(dá)，對語料進(jìn)行充分轉(zhuǎn)寫標(biāo)注和科學(xué)立檔保管，以適應(yīng)未來對語言資源可能的多用途需求。瀕危語言口語資源的采錄和加工，既需要語言記錄方法的創(chuàng)新，也需要利用當(dāng)代多媒體、移動通訊和數(shù)據(jù)庫技術(shù)手段。國內(nèi)瀕危語言調(diào)查研究從肇始至今已歷時20年，但就瀕危語言資源的數(shù)字化記錄和立檔而言，還沒有走向科學(xué)化和規(guī)范化的軌道，出現(xiàn)了不少重復(fù)勞動和資源浪費(fèi)現(xiàn)象。鑒于此，本文繼續(xù)就瀕危語言語檔建設(shè)問題進(jìn)行討論。

一、瀕危語言活態(tài)口語的采錄

（一）瀕危語言活態(tài)口語采錄的倫理問題

慣常的語言調(diào)查主要集中在單詞和語法例句，目的單一，語料形式和內(nèi)容有限，即使記錄話語，也多半是幾則故事。這類語料很少涉及個人利益和隱私，發(fā)音人也樂于提供。但是，瀕危語言有聲語料主要是活態(tài)口語即自然話語，內(nèi)容涉及個人和族群的生活領(lǐng)域；記錄方法主要是錄音和攝像，不再是單純的語言本體記錄，而是對個人、家庭和社群語言生活實踐的記錄。因此必須思考如下問題：如何協(xié)調(diào)采錄工作和語言族群的正常生產(chǎn)生活，如何與語言族群相處；如何尊重族群的文化禁忌、家庭和個人隱私；如何處理語言記錄中參加者的利益關(guān)系，避免田野調(diào)查引起的潛在文化沖突、身心傷害和權(quán)利侵犯；如何征得話語交際當(dāng)事人的許可；語料轉(zhuǎn)寫標(biāo)注中如何處理觸及個人敏感或文化禁忌的音像材料；如何判斷和劃分內(nèi)容禁忌和敏感級別；如何對話語交際事件當(dāng)事人匿名保護(hù)；調(diào)研資料的發(fā)布、傳播、訪問應(yīng)如何保護(hù)發(fā)音人和說話人的權(quán)利，等等?？傊?，瀕危語言口語采錄、語料轉(zhuǎn)寫、存儲、發(fā)布和訪問等一系列環(huán)節(jié)都涉及倫理問題，對此應(yīng)予以高度重視。關(guān)于這個問題，此前已有專文闡述①詳見《西北民族大學(xué)學(xué)報》2014年第4期拙文《我國少數(shù)民族田野調(diào)查記錄的倫理問題》。，不再贅述。

（二）瀕危語言話語事件的發(fā)現(xiàn)

瀕危語言活態(tài)口語存在于現(xiàn)實生活言語交際之中。話語事件是有明確目的和主題的言語交際活動。如，說話人講述一段經(jīng)歷，工匠一邊做工一邊介紹手藝，幾個人湊在一塊談?wù)撃臣?，等等。瀕危語言的言語交際功能已經(jīng)減弱，使用人口和場合越來越少，有的瀕危語言只有少數(shù)老人日常還在使用，或只在家庭內(nèi)部和某些個別特定場合使用。盡管現(xiàn)實生活中話語事件時時可見，但對瀕危語言來說，獲得自然話語語料的機(jī)會并不多，因而發(fā)現(xiàn)話語事件尤為重要。

如何在有限時間和人力條件下采錄更多瀕危語言自然口語呢？我曾介紹了采錄漢語方言自然那話語的若干方法[1]，這些方法大多可用于發(fā)現(xiàn)瀕危語言話語事件，其中情景介入法、群眾自錄法、定場地定戶跟蹤法、志愿者跟蹤法、電話錄音法、話題引導(dǎo)言談法等等都是可行之法。當(dāng)然，具體實施時還要根據(jù)不同瀕危語言的狀況和調(diào)查人員條件，選擇合適的方法。例如，語言社區(qū)只有幾位老人能說瀕危語言，而且該社區(qū)沒有上過小學(xué)的人，這時最好是由附近村莊的志愿者來觀察老人的言談活動。有的瀕危語言社區(qū)，容易找到說話人，瀕危語言還有一定的公開使用場合，這時就應(yīng)考慮更多的題材和體裁?？傊?，采錄的話語材料盡量覆蓋瀕危語言現(xiàn)存使用領(lǐng)域，涵蓋社區(qū)生活的典型事件，以及使用瀕危語言的代表人群。

除了自然話語事件之外，還應(yīng)注意發(fā)現(xiàn)“傳統(tǒng)環(huán)境知識”[1]，即語言族群的本土自然環(huán)境知識、生產(chǎn)知識、工藝知識和生活知識等等，這是人類知識體系的組成部分。傳統(tǒng)環(huán)境知識的話語可充實語料的內(nèi)涵價值。瀕危語言的固有詞匯和表達(dá)，往往承載了傳統(tǒng)的環(huán)境知識。

（三）錄音環(huán)境和設(shè)備的使用

瀕危語言口語語料的采樣和錄制，應(yīng)達(dá)到兩點要求：一是有足夠的錄音時長，二是錄音質(zhì)量優(yōu)良。前者與上面說的發(fā)現(xiàn)程序和方法有關(guān)，后者取決于錄音技能。

錄制技能包括環(huán)境選擇和設(shè)備操作。錄音環(huán)境有室內(nèi)環(huán)境和戶外環(huán)境。室內(nèi)環(huán)境又分三種：一是室內(nèi)和周邊沒有噪聲和電磁波干擾的安靜環(huán)境，如當(dāng)?shù)貜V播臺的播音室，條件好的賓館房間。瀕危語言社區(qū)一般都是鄉(xiāng)村，沒有這個條件，而且這類環(huán)境只適合錄制個人講述和基本詞句發(fā)音。二是多數(shù)時間較安靜，但有時不可避免有噪聲或持續(xù)弱噪聲。如鄉(xiāng)村民宅，外面有間歇的雞鳴狗叫或敲門打擾等等。這種環(huán)境可錄制個人講述，但更適合錄制室內(nèi)聊天和對話。三是嘈雜的室內(nèi)環(huán)境。這種環(huán)境不適合錄音。

戶外環(huán)境通常有持續(xù)低噪聲或偶爾的強(qiáng)噪聲，如細(xì)微風(fēng)聲，遠(yuǎn)處公路的車流，附近小溪的流水，突然雞鳴狗叫等等?？谡Z語料主要來自戶外情景話語，背景噪聲雖然不可避免，但調(diào)適操作錄音設(shè)備，可以降低和減少噪聲，獲得優(yōu)良的話語樣本。錄音設(shè)備最重要的是話筒，應(yīng)根據(jù)聲源位置和環(huán)境噪聲選擇不同的話筒。戶外個人采訪可用槍式話筒。二三人說話，且少走動，可用單聲道或雙聲道指向話筒。說話人一邊做事一邊說話，且不停走動，可隨身攜帶錄音機(jī)并外接頭戴式話筒，或用無線話筒系統(tǒng)。大場地群眾活動，主要的說話人可配戴獨立錄音機(jī)和頭戴式或領(lǐng)夾式話筒、無線話筒、懸吊話筒?？傊?，要看話語事件特點和話語發(fā)生的場所環(huán)境狀況而定。戶外錄音，尤其是采錄勞作和活動中的說話人的自然話語，應(yīng)使用專業(yè)便攜式數(shù)碼錄音機(jī)配頭戴或領(lǐng)夾話筒。Zoom－H4n（H6n）、Sony－PCM－D50等都是專業(yè)錄音機(jī)，有內(nèi)置XY制式話筒，支持平衡輸入，性價比高，攜帶方便，操作簡單。

總的來說，應(yīng)考慮以采錄的語料類別、口語發(fā)生的環(huán)境來匹配錄音設(shè)備。

（四）瀕危語言語料錄音時長

一種瀕危語言的話語錄音，多長時間比較合適？錄音材料當(dāng)然越多越好，但這需要大量的時間、人力和物力，應(yīng)考慮可行性。我曾提出，漢語方言自然口語語料庫的生語料應(yīng)不低于50 000字，錄音時長不低于13個小時，隨機(jī)采錄毛語料應(yīng)達(dá)700個小時[2]。少數(shù)民族瀕危語言與漢語方言有所不同。漢語方言大都有口傳文學(xué)，而瀕危語言則很少，它主要是日常生活口語，能錄到這類話語已經(jīng)難得，挑選余地不多。根據(jù)國外的案例，結(jié)合我們的經(jīng)驗，將可用于轉(zhuǎn)寫的音頻語料定為不低于20 000詞次較為合適，按每分鐘50詞次的語速計算，錄音材料時長應(yīng)不低于6小時。這可作為瀕危語言口語語料的基本數(shù)量要求。

（五）錄音質(zhì)量的評估

如何評估錄音的音質(zhì)效果？國標(biāo)GB／T9375—1988《收音機(jī)、錄音機(jī)聽音試驗》定義了五級主觀評價標(biāo)準(zhǔn)：（1）優(yōu)：不察覺失真；（2）良：剛察覺失真，但不討厭；（3）中：察覺失真，稍微討厭；（4）差：討厭，但不令人反感；（5）劣：極其討厭，令人反感。

質(zhì)量優(yōu)，表示錄制的語音（即重建語音）和原始語音之間只有很小的細(xì)節(jié)差異，若不對照聽比就覺察不出這種差異。質(zhì)量良，表示重建語音的畸變或失真不明顯，不注意聽就感覺不到。質(zhì)量一般，表示重建語音有比較明顯可感知的畸變或失真，但語音自然度和清晰度仍好，聽起來沒有疲勞感。質(zhì)量差，表示重建語音有較強(qiáng)的畸變或失真，聽起來已有疲勞感。質(zhì)量極差，表示重建語音的質(zhì)量極差，聽覺無法忍受。作為經(jīng)驗法則，室內(nèi)話語錄音質(zhì)量應(yīng)不低于二級，室外不低于三級。錄音過程應(yīng)實時監(jiān)聽。

為確保瀕危語言有聲語料的采錄效率和質(zhì)量，目前我們已經(jīng)著手制定《瀕危語言語料種類、采錄環(huán)境和設(shè)備匹配規(guī)范》。

二、瀕危語言口語的轉(zhuǎn)寫和標(biāo)注

（一）口語語料的轉(zhuǎn)寫和標(biāo)注

音頻視頻語料須經(jīng)過編輯、轉(zhuǎn)寫和標(biāo)注才能立檔保存，或研發(fā)語料庫做其他用途。轉(zhuǎn)寫是對錄音言語用文字或書面符號同步記錄，成為可閱讀文本。標(biāo)注不同于轉(zhuǎn)寫，包括兩個方面，一是用一套符號代碼，把話語的語言學(xué)特征（如語音、詞匯、語法等）在轉(zhuǎn)寫文本中做出標(biāo)記；二是對話語的語意、言語行為特征、情景意義以及相關(guān)的知識文化等等，進(jìn)行描述。轉(zhuǎn)寫和標(biāo)注的質(zhì)量直接關(guān)系到語料的利用價值。

從目前技術(shù)來看，音頻視頻語料的文字轉(zhuǎn)寫和音標(biāo)注音、話語單位的時段切割、語音單位的切分、語言特征的標(biāo)注，通常由人工完成。一段話語錄音，一般先要對每個句子或意群語調(diào)單位的結(jié)束點做標(biāo)記。軟件雖然可以偵測語音流的靜音段，但準(zhǔn)確率不高，因為日常言語交際中，說話人不是非得說完一句話才停頓，句中或詞中停頓很普遍。幾個人言談不一定一人一句輪流說話，同時插話和答話也常見。轉(zhuǎn)寫這類交疊話語必須先按說話人進(jìn)行斷句。語音識別技術(shù)雖然可以根據(jù)說話人的語音特征跟蹤說話人，但對于有一些噪聲的情景話語，自動判斷說話人話輪變換的準(zhǔn)確率會大打折扣，它需要人工做大量的修正。此外，錄音機(jī)和軟件都有自動降噪功能，但也不能隨意啟用降噪，因為靜音和噪聲有時是情景話語不可缺少的組成部分。在處理這類語料時，哪些噪聲和靜音與話語情景有關(guān)而須保留，哪些與情境無關(guān)而應(yīng)刪除，還得靠人工判斷。

我國少數(shù)民族瀕危語言語檔至少需要三類轉(zhuǎn)寫標(biāo)注文本：語音轉(zhuǎn)寫或標(biāo)音文本，中文翻譯文本，以及中文解釋和描寫文本。語音轉(zhuǎn)寫或標(biāo)音文本是用國際音標(biāo)或拼音方案同步記錄話語，中文翻譯文本是用普通話逐詞對譯和逐句意譯，中文解釋和描寫文本是用中文對話語事件相關(guān)知識和口語現(xiàn)象進(jìn)行描述和標(biāo)注。這是語檔錄音的最簡轉(zhuǎn)寫要求。

標(biāo)注有基本標(biāo)注和富標(biāo)注?；緲?biāo)注一般包括詞類、時間戳、話輪。富標(biāo)注則無限制，語音、詞匯、語法、語義、語用等特征都可標(biāo)注。標(biāo)注的精度取決于話語分析的深度和廣度，以及語料的用途。詞類、時態(tài)、語態(tài)、句法、話輪、靜音、背景聲、停頓、韻律、語氣、情感等等都可標(biāo)注，語音可細(xì)到音節(jié)、音素、韻律、音步、語調(diào)特征，此外還可以進(jìn)行多模態(tài)特征標(biāo)注。關(guān)于標(biāo)注精度層次，可參閱美國英語口語語料庫的相關(guān)文件[3]。

瀕危語言口語標(biāo)注應(yīng)高于基本標(biāo)注。標(biāo)注項越多，越有利于數(shù)據(jù)挖掘，但需要大量的人力和財力，因而要考慮可行性。作為經(jīng)驗法則，1小時口語錄音，初步剪輯處理要5倍～6倍時間。用軟件對1分鐘錄音進(jìn)行分句、分詞、音標(biāo)注音，普通話逐詞對譯和逐句意譯，標(biāo)記語流中每個詞的詞類，標(biāo)記非言語聲音，需要6小時～7小時，這還不包括檢查標(biāo)注一致性所用的時間。

（二）轉(zhuǎn)寫規(guī)則和軟件工具

為便于語料數(shù)據(jù)共享，口語轉(zhuǎn)寫和標(biāo)注必須遵循相關(guān)技術(shù)規(guī)范。早期的話語分析研究，主要采用美國學(xué)者Jefferson提出的標(biāo)注系統(tǒng)。后來，國外一些著名的口語語料庫，如英語國家語料庫（BNC）①其官網(wǎng)網(wǎng)址為http：／／www．natcorp．ox．a(chǎn)c．uk／，加州大學(xué)圣巴巴拉分校的美國英語口語語料庫（SBCSAE）[4]，賓夕法尼亞大學(xué)語言數(shù)據(jù)聯(lián)盟（LDC）的口語語音數(shù)據(jù)庫，德語口語語料庫，維也納——牛津國際英語語料庫（VOICE）②其官網(wǎng)網(wǎng)址為http：／／www．univie．a(chǎn)c．a(chǎn)t／voice／等等，都制定了自己的轉(zhuǎn)寫規(guī)則系統(tǒng)。我國臺灣中研院的新世紀(jì)語料庫、北京語言大學(xué)的北京話口語語料庫，也有自己的標(biāo)注符號。我們認(rèn)為，應(yīng)盡快建立適合我國少數(shù)民族瀕危語言和漢語瀕危方言的口語轉(zhuǎn)寫標(biāo)注系統(tǒng)。

轉(zhuǎn)寫和標(biāo)注需要專門的工具。國外的軟件有 Transcriber[5]，Xtrans，Elan，Anvil[6]，Transana[7]，EMU[8]，CLAN③可在此網(wǎng)址下載：http：／／childes．psy．cmu．edu／clan／，Audamus[9]，Praat，EXMARa LDA④可在此網(wǎng)址下載：http：／／www．exmaralda．org／等等。Transcriber支持多種音視頻格式，改進(jìn)版Transcriber AG功能有所提升，是入門級軟件。Xtrans主要用于轉(zhuǎn)寫廣播新聞和會議錄音。Transana有多種版本可以使用，只是數(shù)據(jù)格式比較單一。Praat也可做標(biāo)注，尤其適合切分和標(biāo)注音節(jié)、音素，但處理長時音頻文件顯得不便。ELAN采用曲譜式分層標(biāo)注模式，支持視頻和音頻，有快速切割和轉(zhuǎn)寫模式，以及多種檢索功能。Anvil跨平臺且開源，能與ELAN／PRAAT交換數(shù)據(jù)，可實現(xiàn)多模態(tài)標(biāo)注。EXMARaLDA Partiutr－editor采用曲譜式數(shù)據(jù)結(jié)構(gòu)模式，整合了幾種轉(zhuǎn)寫規(guī)則并能根據(jù)規(guī)則糾錯，還可調(diào)用praat查看語圖，導(dǎo)出和輸出多種轉(zhuǎn)寫文件格式，也能將話劇腳本式的三層文本導(dǎo)入轉(zhuǎn)換為標(biāo)注文件。這些軟件雖然各有優(yōu)勢⑤夏威夷大學(xué)的在線期刊Language Documentation ＆Conservation有“技術(shù)評論”評介軟件。，但根據(jù)我們的使用和測試，ELAN、Partitur、Anvil三種軟件的綜合性能更強(qiáng)。由于這些軟件都是由國外研發(fā)的，用于處理我國漢語方言和少數(shù)民族語言還存在一些缺陷，用戶可以將使用中發(fā)現(xiàn)的問題反饋給軟件研發(fā)者，以求不斷改進(jìn)和升級。

三、開展瀕危語言語檔建設(shè)的技術(shù)培訓(xùn)

《新發(fā)現(xiàn)語言叢書》已出版30多部，對國內(nèi)所有少數(shù)民族瀕危語言的代表方言已經(jīng)有了系統(tǒng)描寫，當(dāng)前和今后的任務(wù)是重點解決瀕危語言語音流失問題⑥這個觀點是北京師范大學(xué)王寧先生2009年10月首先提出。。瀕危語言語檔建設(shè)是跨學(xué)科領(lǐng)域，需要田野語言學(xué)、話語分析、語料庫、檔案學(xué)理論和現(xiàn)代新媒體技術(shù)，同時它要求瀕危語言調(diào)查研究者實現(xiàn)以下轉(zhuǎn)變：從個人自留地式的語言調(diào)查和材料收集向團(tuán)隊主導(dǎo)的語言資源建設(shè)轉(zhuǎn)變，從傳統(tǒng)耳聽手寫的記錄方式向傳統(tǒng)方法和現(xiàn)代多媒體手段結(jié)合轉(zhuǎn)變，從為個人學(xué)術(shù)研究服務(wù)向為群眾語言生活需求轉(zhuǎn)變。

以本世紀(jì)初美國夏威夷大學(xué)第一屆瀕危語言記錄和保存研討會以及倫敦大學(xué)始立“漢斯羅辛瀕危語言項目（HRELP）”⑦詳見SOAS基金網(wǎng)站：http：／／www．hrelp．org基金為標(biāo)志，瀕危語言的記錄和保存走過了十多年歷程⑧倫敦大學(xué)亞非學(xué)院的Language Description and Documentation白皮書和夏威夷大學(xué)國立語言資源中心的期刊Language Documentation ＆Consertion（LD＆C）是瀕危語言記錄領(lǐng)域的重要出版物。。目前國內(nèi)首要問題是瀕危語言研究隊伍普遍缺乏數(shù)字化記錄和保存的專業(yè)技能。倫敦大學(xué)亞非學(xué)院曾對獲得漢斯羅辛基金項目的主持人進(jìn)行專業(yè)技術(shù)培訓(xùn)，客觀上為全球瀕危語言記錄和保存培養(yǎng)了一批應(yīng)急人才，我國有幾位語言學(xué)者承擔(dān)了該基金資助項目并接受了技術(shù)培訓(xùn)，在他們的帶動下，國內(nèi)對瀕危語言記錄技術(shù)的關(guān)注近年升溫，迫切需要推廣這方面的技術(shù)培訓(xùn)。

開展瀕危語言有聲語檔建設(shè)的技術(shù)培訓(xùn)，有助于培養(yǎng)和提升我國語言田野工作者的語料采錄和加工處理能力，倡導(dǎo)和推動語言調(diào)查工作者學(xué)習(xí)和掌握跨學(xué)科知識和技能。對于瀕危語言有聲語檔建設(shè)工作而言，當(dāng)前的培訓(xùn)應(yīng)著重于以下內(nèi)容：語言田野倫理規(guī)范，口語語料庫基礎(chǔ)理論，口語記錄實踐，語料轉(zhuǎn)寫和標(biāo)注，語言技術(shù)軟件的使用，錄音設(shè)想設(shè)備的操作，音頻視頻的編輯處理，語音實驗基礎(chǔ)，語料管理和數(shù)字化檔案基礎(chǔ)，等等。

值得欣慰的是，自2013年起，中國民族語言學(xué)會和暨南大學(xué)漢語方言研究中心聯(lián)合舉辦了三期“中國瀕危語言有聲資源采錄和立檔技術(shù)高級研習(xí)班”，并計劃用3年時間舉辦6期，以期在我國少數(shù)民族語言學(xué)界和漢語方言學(xué)界，倡導(dǎo)和推動現(xiàn)代語言記錄和立檔知識和技能的學(xué)習(xí)和普及，這將有力促進(jìn)我國瀕危語言有聲資源建設(shè)的科學(xué)發(fā)展。

[1]范俊軍．漢語方言自然口語語料庫建設(shè)的幾個基本問題[J]．學(xué)術(shù)研究，2013，（2）：153－159．

[2]Stanford Zent，Luisa Maffi．Final Report on Indicator No．2：Methodology for Developing a Vitality Index of Traditional Environmental Knowledge（VITEK）for the Project“Global Indicators of the Status and Trends of Linguistic Diversity and Traditional Knowledge．”[EB／OL]．Terralingua，2010：1－112．http：／／www．terralingua．org／vitek／．

[3]Peter K Austin．Communities，ethics and rights in language documentation[EB／OL]．Language Documentation and Description．Volume 7，p35．

[4]John W．Du Bois．Transcription Delicacy Hierarchy[EB／OL]．http：／／www．linguistics．ucsb．edu／projects／transcription／．

[5]Linda Barwick．Transcribe：Created by Seventh String Software[EB／OL]．Language Documentation ＆ Conservation，2009，3（2）：236－240．http：／／nflrc．hawaii．edu／ldc／．

[6]Kipp，Michael．Anvil：The video annotation research tool[EB／OL]．2011．http：／／www．a(chǎn)nvil－software．de／＃．

[7]Oksana Afitska．Transana 2．30 from Wisconsin Center for Education Research[EB／OL]．Language Documentation ＆Conservation．2009，3（2）：226－235．http：／／nflrc．hawaii．edu／ldc／．

[8]Briony Williams．EMU Speech Database System from The EMU Project[EB／OL]．Language Documentation ＆ Conservation．2008，2（1）：166－175．http：／／nflrc．hawaii．edu／ldc／．

[9]Amanda Brotchie．Audiamus 2．3：Created by Nicholas Thieberger[EB／OL]．Language Documentation ＆ Conservation．2007，1（2）：290－292．http：／／nflrc．hawaii．edu／ldc／Further discussion of building audio archives of minority endangered languages．