論中國語言資源有聲數據庫的建設【1】

用現代信息技術將我國語言的現實狀況采錄下來，建成可滿足社會多方需求、可不斷維護更新的有聲數據庫，是利在當代、惠及后人的事業。我國語言學的百年發展、方言學家和民族語言學家的研究積累、現代信息技術的水平和國家的經濟力量，使中國語言資源有聲數據庫的建設具有了現實可行性。

國家語言文字工作委員會對中國語言資源有聲數據庫建設籌劃多年，設立多個項目進行論證性的專題研究【2】，制定了一系列工作規范和技術規范，并在江蘇的五個城市前前后后進行了一年多的試點工作。本文根據國家語委的籌劃、研究和試點，談談中國語言資源有聲數據庫設計的基本情況、特點及可以發揮的作用。當然，中國語言資源有聲數據庫的建設還沒有全面展開，有些技術規范（比如：方言字的規范、少數民族語言的調查方案）還在進一步完善中。發表本文的目的，是希望得到學界和社會對這一工作的關心，也希望得到更多的指教與幫助。

一 中國語言資源有聲數據庫的基本情況

中國語言資源有聲數據庫是國家語言資源建設工程之一，它用現代信息技術采錄語言數據，經轉寫、標記等加工程序將相關的文本文件、音頻文件及視頻文件整理入庫，以數據庫、互聯網、博物館、語言實驗室等形式向學界和社會提供服務。現根據《中國語言資源有聲數據庫調查手冊》【3】，將中國語言資源有聲數據庫設計的基本情況，概述如下：

（一）語言和方言調查

1.調查點

根據縣級行政單位設置調查點，原則上“一縣一點”，特殊情況下可以增點或減點。本調查重在反映當下語言的實態，因此調查點選擇縣城等在當地影響較大的地方。

2.調查對象

每個調查點根據性別因素和年齡因素選擇有代表性的4名發音合作人，其中男女各2人，老年青年各2人。

3.調查內容

調查內容分語言結構調查和話語調查兩大部分。語言結構調查是基礎，用1000字調查語音系統，用1200詞調查基本詞匯系統，用50個句子調查主要的語法現象。

話語調查是重點，分為講述和對話兩部分。講述包括“規定故事”和“自選話題”。規定故事已經選定了《牛郎和織女》【4】，它具有中國文化的特點，分布地域也比較廣泛。自選話題盡量反映當地文化特色，例如：當地口耳相傳的民間故事；當地的童謠、諺語、歇后語、順口溜兒；當地的旅游景點和土特產；當地的風俗習慣和傳統節日；個人和家庭的情況；時事熱點評論等。發音合作人從這些話題中自選若干個進行講述。對話是四名發音合作人在上述話題中自選話題進行對話。

4.調查方法

采用規定的錄音設備、軟件進行錄音，輔之以錄像和照片。并且，對調查內容還要按照一定要求進行必要的國際音標轉寫和漢字轉寫。最后，對一個調查點的所有調查資料和電子文件進行命名、分類、歸檔。

5.建庫與開發

國家組織專人進行驗收，將調查材料統一建檔入庫。并及時組織專家對數據庫進行開發，例如：編寫《中國語言國情報告》，其內容包括中國語言、方言、地方普通話的基本數據，急需保護的語言、方言目錄，與社會穩定和國家安全相關的“關鍵語言”和“關鍵方言”目錄等。繪制詳細的多媒體語言地圖。通過網站、開放實驗室、博物館等方式對社會提供服務，最大限度地讓這些數據造福國家與學界。

（二）“地方普通話”調查

地方普通話是由方言向普通話發展過程中呈現的各種中介語（Inter-language），它在當前跨地區交際中發揮著重要作用，也是一種重要的語言資料。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展規律，總結地方普通話的“板結”特點，對于推廣普通話、研究語言學習規律等都具有重要意義。

地方普通話調查與語言和方言調查一同進行。其選點要求也與語言和方言的調查相同，原則上是一縣一點。每調查點選擇3名發音合作人，這3名發音合作人的普通話水平處在不同的等級：1名相當于《普通話水平測試等級標準》【5】規定的三級甲等，1名僅次于三級乙等，1名普通話水平最差，接近方言。

地方普通話的調查內容是：1.用普通話講述規定故事《牛郎和織女》；2.用普通話朗讀兩篇短文《誠實與信任》《大學生村官》。調查得到的音頻文件等經整理驗收，建檔入庫，形成地方普通話語料庫。地方普通話語料庫是中國語言資源有聲數據庫的一個分庫。

二 中國語言資源有聲數據庫的若干特點

我國的語言、方言研究，取得了很多標志性成果，如《中國語言地圖集》《現代漢語方言大詞典》《普通話基礎方言基本詞匯集》《現代漢語方言音庫》《漢語方言地圖集》中國新發現語言研究叢書等。中國語言資源有聲數據庫，充分借鑒我國以往的語言調查方法和研究成果，同時也形成了自己的一些設計特點。

（一）具有語言普查的性質

重視田野語言調查是我國現代方言學和民族語言學的傳統，但過去的調查，選擇調查點一般是著重“典型性”，多是選取民族語言、漢語方言的代表點。“典型性”選點，對于了解一種語言或一種方言的基本情況是適宜的，但是對于了解全國的語言狀況常有缺憾。時至今日，我國還有許多縣域的語言沒有調查過或全面調查過，民族地區許多地方的漢語方言未必得到了很好調查，東北、內蒙古地區的漢語方言因被認為不具典型性而調查得很不深入，邊境地區的語言狀況并未做到縣縣清楚。顯然，只把眼光聚焦在民族語言、漢語方言的代表點上，并不利于對一個語言或方言的深入了解，也不利于準確了解一個語言或方言的地域變化，畫不出詳細到縣域單位的語言地圖。

中國語言資源有聲數據庫的數據采錄，原則上是“一縣一點”，估計實際選點會達到4000以上，這就使調查具有了語言普查的性質。可以相信，這種“普查”會發現許多新現象，得到不曾注意到的語言或方言的新線索。孫宏開、胡增益、黃行主編的《中國的語言》，記錄了很多新發現的語言，這些新發現語言多是在突破了“典型性”選點的情況下才能被發現的。此外，普查式選點可為每一個縣域單位留下一份21世紀初年的語言資料，為以后的語言國情研究樹立了一個永恒的測量點。

（二）重視年齡因素和性別因素

年齡和性別是與語言和語言活動最為相關的兩大因素。不同年齡、不同性別的人，在語音、詞匯、語法、語用等方面會表現出不同的差異，其中年齡形成的老派、新派的語言差異，還往往預示著語言發展的方向。傳統的語言調查常以老年男性為發音合作人，以求得到最為“純正”、古老的語言面貌。這是一種學術旨趣。

中國語言資源有聲數據庫在著重采集老年男性的語言數據的同時，還采集老年女性、青年男性、青年女性的語言數據。這些數據將來在研究中可以處理為不同的分庫，從而推進性別因素、年齡因素的語言研究。資料長期積累下來，通過不同年齡的語言差異研究，還可以對語言發展走向進行科學推演。

（三）重視語法

傳統的漢語方言研究，精力基本集中在語音和詞匯上。近年來，方言語法的研究興趣大增，甚至還進行了跨方言的專題研究。中國語言資源有聲數據庫的語法調查，根據類型學的研究成果和我國語言的實際，設計出50個句子，以調查漢語和民族語言的若干重要的語法點。這些數據隱含著類型學的北京，因此不僅可以對漢語各方言進行比較研究，而且也可以對我國的各語言進行比較，甚至可以同世界上的許多語言進行比較，進而獲得類型學上的成果。這種類型學上的語法調查，對于我國語法學的發展有積極意義。【6】

（四）立足話語

傳統的語言調查基本上是語言結構調查，較少涉及話語；即便做了話語調查，那也是作為語言結構調查的附庸進行的。中國語言資源有聲數據庫，則把話語作為基本數據進行采錄，因為它的基本理念是保存當下的語言實態。最能反映語言實態的是話語，保存語言樣本的最好方式是保存話語。話語是語言的“實態樣本”，蘊含著語言結構的各種成素，還有包括語流音變在內的語言結構各種要素的語流變化；有語用學感興趣的相關內容，如獨白與對話的差異、話輪轉換、話題關聯、合作原則與禮貌原則的具體體現等；話語還負載著社會生活、風俗文化和當地人的喜怒哀樂等，這些口語文化是中華民族文化的重要組成部分，而且調查較少，保存不易。語言調查的重心放在話語上，是一種頗有意義的嘗試。

（五）開展地方普通話調查

地方普通話是現實語言生活的一種實態，是語言學習產生的一種樣態。近年來對地方普通話有些討論，開始納入研究的視野，但是，總體上看對它的研究還十分薄弱。地方普通話的語言性質、語言地位還有待確定，地方普通話的調查方法還有待探討，地方普通話的面貌還有待描寫，甚至“地方普通話”這一名稱也還有待確定。地方普通話的調查是一項填補空白性的工作。

（六）充分運用信息化成果

使用錄音手段輔助進行語言調查，并不新鮮，甚至一些先行者還為一些方言、語言建立了音檔，但總體來看，多數語言調查還是以筆頭記錄為主，錄音多是“備忘”性質的。中國語言資源有聲數據庫的數據采錄，基本采取錄音的形式，補之以照相錄像，筆錄反成了“備忘”性質的。錄音質量是有聲數據庫關注的核心技術指標，為了保證錄音質量，對錄音的器材、軟件、環境等都做了統一要求。同時，為了方便調查、驗收和建庫等工作，還專門設計了系列的工作軟件。每一個參與中國語言資源有聲數據庫調查的人員，都需要進行信息技術的專門培訓。這有望推進語言調查邁上信息化的新臺階。

（七）統一標準

中國語言資源有聲數據庫建設強調統一標準，為此花大氣力制定了工作規范和技術規范，并不斷通過試點進行完善。工作規范包括選點、遴選發音合作人、調查人員的學術素養、調查的程序、數據采錄的環境、驗收、建庫等一系列規范。技術規范主要是調查用的字表、詞表、語法表、話語方式、話語調查使用的話題和篇章材料、國際音標的應用、方言字的規范、錄音技術、建庫技術等一系列規范。采用同一的工作規范和技術規范，可以保證工作質量，可以使各調查點的數據合榫對接，可以對數據進行統計分析，可以最大限度地共享各地的調查成果。同時，這些工作規范和技術規范一旦被其他研究項目采用，這些項目的語言數據便可以合成到中國語言資源有聲數據庫中，實現數據庫的更新擴展。

當然，這些標準是國家有聲數據庫的標準。各地在保證用統一標準完成國家庫數據采集的同時，還可以根據各地的情況增加語言和文化方面的更多內容，形成各地有特色的語言數據庫。

三 中國語言資源有聲數據庫的作用

用現代信息技術大規模采集中國語言數據，建成中國語言資源有聲數據庫，對我國語言生活規劃和語言科學研究將產生極其重要的影響。下面簡述中國語言資源有聲數據庫所可能發揮的一些作用。

（一）全面掌握語言國情，制定科學的語言規劃

語言生活是社會生活的重要內容，語言生活狀況是一種基本國情。語言是人類用于交際和思維的最為重要的符號系統，同時也是國家的重要資源，是影響社會安定和國家安全的重要因素。促進國家通用語言文字的國內推廣和國際傳播，自覺保護和充分開發利用國家的語言資源，妥善處理中國境內各語言（方言）之間的錯綜復雜的關系，維護公民的語言權利，向社會提供高質量高效率的語言服務，構建和諧的語言生活，這些都是21世紀中國語言規劃必須考慮的內容。而要制定符合國情的語言規劃，必須對語言國情有全面而深入的了解。

半個多世紀以來，我國開展過數次規模不等的語言和方言調查，為國家語言政策的科學制定與有效實施，發揮了重要作用。1956年，根據國務院指示開展了漢語和民族語言普查。共普查了1849個縣市的漢語方言；并組成七個民族調查隊，調查了主要民族地區的語言。這次語言普查，對于推廣普通話和漢語規范化，對于少數民族文字的改革與創制，對于民族身份的認定等，都起了重要作用。1999年，教育部、國家語委等11部（委）聯合開展了中國語言文字使用情況調查，調查采用入戶問卷的調查方式，涉及全國1063個縣（市、區），直接被調查對象47萬多人。【7】這次調查獲得了我國語言文字使用的一些基本數據，為當今的語言決策提供了重要支撐。除了這兩次大的語言調查之外，我國學者還持續進行了漢語方言、民族語言、海外華語的調查研究，取得了許多重要成果。

但是語言生活異常豐富復雜且與時而變，半個多世紀以來所進行的各種語言調查，或因時間已久，或因調查理念、調查目的、調查方式（包括調查技術）、調查領域等限制，難以較好反映語言國情。可以說，今天對語言國情的掌握還是粗線條的，許多方面是模糊不清的。語言國情不明，語言決策就會更多地依賴歷史慣性，更多地依賴相關領域決策的遷移，更多地依賴“大腦實驗室”的推演奇跡，這當然不適合日行千里的國家發展形勢，難以駕馭紛繁日新的語言生活。隨著中國社會經濟的快速發展和語言狀況的急劇變化，語言國情的調查已成為一項緊迫任務。中國語言資源有聲數據庫采取“一縣一點”的普查性數據采錄，調查境內的各種語言、方言的面貌和地方普通話的情況，可以獲取語言國情的基礎數據，有效支撐國家的語言規劃。

（二）促進普通話的科學推廣

自清末開始提倡國語統一【8】，現代漢民族共同語逐漸形成并推廣開來，進而成為國家通用語言。現在全國60％以上的人口能夠使用普通話【9】，青少年人群中能夠使用普通話的比率更大。在普通話不脛而走的新時期，推廣普通話需要有新的方略。這新的方略就是：調整工作重點；提高推普效率。

首先，要重點關注一些特殊地區和特殊群體，比如農村和西部地區，比如學前至小學階段的兒童等。農村和西部地區是普通話推廣較為薄弱的地區，而農村的發展，西部的大開發，必須讓那里的人民掌握國家通用語言。學前至小學階段是普通話學習的關鍵時期，這是語言學習規律告訴我們的。在這一時期打好了普通話（特別是普通話語音）基礎，就不需要在成人期花費很高的社會成本推廣普通話。

其次是提高普通話學習的效率，包括普通話學習的速度，普通話學習的質量。中國語言資源有聲數據庫，有助于了解漢語各方言、各民族語言的特點，有助于了解各地“地方普通話”的特點及其由方言學習普通話的規律，這無疑可以大大提高普通話推廣的效率，提高普通話學習的質量。

（三）保存語言實態

語言及其方言是文化的重要載體，又是文化的重要組成部分。中華語言及其所負載的文化，構成了中華文化的基礎。中國語言資源有聲數據庫將當今的語言實態記錄下來，就是為中華民族留下了一部數字化的可永久保存的口語樣本，留下了一幅可以進行數據加工的“中國語言地圖”。在現代信息技術尚未發展起來的時代，人們只能用筆頭記錄語言和方言，損耗了大量的語言信息，也不可能對語言進行實態保存。而今現代信息技術和數據庫技術等已經獲得長足的發展，有條件將這些技術用于語言調查，使語言能以語音這種“原態”方式進行永久保存。

口語的特點是：保留著許多古老的語言成素和文化內容，但是口語在代代相傳中又發展變化迅速，它的許多語言成素和文化內容會在較短的時間內流失。就此而言，對口語的保存永遠都是具有“搶救”性質的工作。特別是近幾十年來，隨著政治經濟、文化教育、大眾傳媒、通訊和交通事業的迅速發展，我國的少數民族語言和漢語方言已經發生了許多變化，語言的結構要素（特別是詞匯）在變化，語言的使用功能在變化，使用語言的人群在變化。特別是億萬農民進城務工，我國的城市化進程在以加速度的方式前進，中國的“語言地圖”在不長時間內將會大幅度地改寫，許多小語言、小方言會急劇萎縮甚至消亡，中華語言資源面臨著急劇流失的危險。語言瀕危已經引起國際社會的廣泛關注，人類文化的多樣性因語言瀕危而受到前所未有的威脅，有人警告到21世紀末，人類將失去90%的語言！【10】在這樣的國際國內背景之下，中國語言資源有聲數據庫的建設，顯然具有搶救記錄和保存語言資料的功能，具有保護中華語言文化遺產的功能。

（四）推進我國語言科學的發展

中國語言資源有聲數據庫的建設，將對我國語言科學的發展起到推進作用。就語言調查而言，它重視了年齡因素和性別因素對語言的影響，把年齡、性別列入遴選發音合作人的基本條件，在語言觀上這是不把語言看作勻質的系統，而是看作有差異的、時刻處于發展變化之中的系統。它使語言結構的調查圓滿起來，把語法數據的收集放在適當的位置，補充了以前側重于語音、詞匯的做法；而且這些語法項目是在語言類型學的參數指導下設計的，保證了語法數據的系統性和可比性。它把話語調查作為重點，兼顧獨白和對話，兼顧語言和文化，從而使語言調查由抽象的結構要素層面進入到具體的話語實際層面。

中國語言資源有聲數據庫，以現代信息技術作為數據采集、加工、存儲的基本手段，為語言調查遴選出、開發出系列的軟硬件，使語言調查在技術上邁到一個新階段。參加數據庫調查的人員，雖然還需要很好的聽音記音能力，但是更需要掌握相關的現代信息技術，通過數據庫的建設，也為學界培養了一支新型的學術隊伍。

中國語言資源有聲數據庫存儲著一批海量的原始數據，學界在很多方面可省卻實地調查之勞；學界共同對這一數據庫做多方面的長期開發利用，會得到大量的直接和間接的成果。語言學的發展，在很大程度上依賴于語言事實的采錄與加工。中國語言資源有聲數據庫在語言數據采錄方面走在了時代前列，如果根據共享原則做好開發利用，這個數據庫就是一個學術寶庫。

中國語言資源有聲數據庫把語言調查從結構推進到話語，把調查技術從筆頭推進到現代信息技術，把海量原始數據積聚起來供學界長期開發，并在實踐中培養起一支新型的學術隊伍，這明顯地能夠把我國的語言科學向前推進一步。

（五）其他方面的作用

中國語言資源有聲數據庫不只是為語言學而作，對這些資源可以進行學術開發，更需要進行行政開發。它也不只是為語言文字工作而作，其作用是多方面的，面向全社會的。比如：用有聲數據庫訓練機器，可以幫助機器識別各地的方言、各種語言和各種地方普通話，由此可以大大提高語言信息化的水平。語言信息化的這些成果，可以用于語音識別、語音合成、人機語音交換的多種領域，促進生產和生活的信息化。這些成果用于軍事、公安、邊防等領域，可以為公安偵破、國家安全做貢獻。

再如：我國有30多種跨境語言，如朝鮮語、赫哲語、鄂倫春語、鄂溫克語、達斡爾語、蒙古語、維吾爾語、哈薩克語、柯爾克孜語、塔吉克語、塔塔爾語、烏孜別克語、俄羅斯語、藏語、門巴語、珞巴語、景頗語、傣語、布依語、哈尼語、傈僳語、佤語、拉祜語、怒語、獨龍語、德昂語、壯語、瑤語、京語等。迄今為止，對這些語言的跨境分布情況和各種使用情況的了解還很不充分，而深入了解這些語言，科學運用這些語言，是和邊睦鄰的關鍵，也是為國境鋪設的一條新的安全線。中國語言資源有聲數據庫有助于對跨境語言的了解。

又如：中國語言資源有聲數據庫是依照一定話題采集話語數據的，采集的這些話語也可以看作是文化素材，因此，中國語言資源有聲數據庫也可以看作是中華口語文化庫，可以對它進行文化開發。比如將各地講述生老病死的話語素材標記出來，就可以獲得各地關于生老病死的民風民俗，將各地講述農事活動的話語素材標記出來，就是中國各族人民的農事風景畫。如果在此基礎上，一些有條件有興趣的地方將當地口頭文化（如戲曲、歌謠、民間傳說、特色文物等）再行搜羅，并配以圖片、錄像等視頻材料，便形成當地的語言文化數據庫。這一語言文化庫以當地的語言為內核，以話語為中軸，以本地文化為表層，會成為地方用于文化保護和博物展覽的文化建設的重要工程。

主要參考文獻

薄守生、賴慧玲 2009 《當代中國語言規劃研究》，中國社會科學出版社。

曹志耘主編 2009 《漢語方言地圖集》，商務印書館。

陳章太、李行健主編 1996 《普通話基礎方言基本詞匯集》，語文出版社。

陳章太 2008 《論語言資源》，《語言文字應用》第1期。

達·巴特爾 2007 《論語言資源保護》，《內蒙古社會科學》第6期。

戴慶廈主編 1993 《跨境語言研究》，中央民族學院出版社。

戴慶廈主編 2009 《中國少數民族語言研究60年》，中央民族大學出版社。

鄧曉華、王士元 2009 《中國的語言及方言的分類》，中華書局。

范俊軍、肖自輝 2010 《國家語言普查芻議》，《語言文字應用》第1期。

國家語言文字工作委員會普通話培訓測試中心 2008 《普通話水平測試實施綱要》，商務印書館。

侯精一主編 1994—1999 《現代漢語方言音庫》，上海教育出版社。

李 榮、熊正輝、張振興主編 1987、1990 《中國語言地圖集》（中國社會科學院和澳大利亞人文科學院合作編纂），香港朗文（遠東）有限公司出版。

李如龍 2008 《漢語方言資源及其開發利用》，《鄭州大學學報（哲學社會科學版）》第1期。

李宇明 2010a 《中國語言規劃論》，商務印書館。

李宇明 2010b 《中國語言規劃續論》，商務印書館。

劉丹青 2008 《語法調查研究手冊》，上海教育出版社。

孫宏開、胡增益、黃行主編 2007 《中國的語言》，商務印書館。

王 輝 2007 《語言規劃的資源觀》，《北華大學學報（社會科學版）》第4期。

王世凱 2009 《語言資源與語言研究》，學林出版社。

文字改革出版社編 1958 《清末文字改革文集》，文字改革出版社。

徐大明 2008 《語言資源管理規劃及語言資源議題》，《鄭州大學學報（哲學社會科學版）》第1期。

徐世璇 2001 《瀕危語言研究》，中央民族大學出版社。

張 普、王鐵琨主編 2009 《中國語言資源論叢（一）》，商務印書館。

中國語言文字使用情況調查領導小組辦公室編 2006 《中國語言文字使用情況調查資料》，語文出版社。

中國語言資源有聲數據庫建設領導小組辦公室編 2010 《中國語言資源有聲數據庫調查手冊（漢語方言）》，商務印書館。

周洪波 2007 《加大語言資源的開發力度》，《長江學術》第1期。

 

 

［原載《中國語文》2010年第4期］

---