周學(xué)文，呼 和

（中國社會(huì)科學(xué)院民族學(xué)與人類學(xué)研究所語音研究室，100081）

1 問題的提出

語音語料庫建設(shè)是實(shí)驗(yàn)語音學(xué)基礎(chǔ)研究的主要方向，在刻畫（目標(biāo)語）全面的語音特征、研究語音演化和語言親屬關(guān)系、發(fā)音機(jī)理和協(xié)同發(fā)音、瀕危語言保護(hù)等方面具有重要意義，能夠有力推動(dòng)語音本體描寫研究和言語工程研究。按照使用目的，語音語料庫可分為面向基礎(chǔ)研究和面向應(yīng)用兩大范疇，前者包括聲學(xué)、語言產(chǎn)生、言語感知、韻律等，后者包括語音識(shí)別、語音合成、人機(jī)交互技術(shù)等。國際上主要的研究和發(fā)布語音數(shù)據(jù)庫的機(jī)構(gòu)有ELRA（歐洲語言資源協(xié)會(huì)）、ESCA／ISCA（歐洲／國際言語通訊協(xié)會(huì)）、LDC（語言數(shù)據(jù)聯(lián)盟）和 Oriental COCOSDA等。歐洲共同體上世紀(jì)90年代初建立了基于歐洲7種語言的語音數(shù)據(jù)庫研究計(jì)劃“EUR－ACCOR”，目的是建立歐洲共同體7種語言的語音聲學(xué)參數(shù)和生理參數(shù)數(shù)據(jù)庫。國內(nèi)也開發(fā)了大量規(guī)模和目的不一的語音數(shù)據(jù)庫，如中國社會(huì)科學(xué)院語言所開發(fā)的漢語口語語音庫、語音識(shí)別語音語料庫RASC863、兒童語言習(xí)得語音庫和中國英語學(xué)習(xí)者語音特征的數(shù)據(jù)庫ESCCL等。除了中國社會(huì)科學(xué)院民族學(xué)與人類學(xué)所外，尚未有開發(fā)面向基礎(chǔ)研究的中國少數(shù)民族語語音聲學(xué)參數(shù)數(shù)據(jù)庫的報(bào)道。

為了有效使用語音語料庫，必須對(duì)其內(nèi)容進(jìn)行標(biāo)注。根據(jù)語音語料庫的內(nèi)容和目標(biāo)，語音標(biāo)注分為音段標(biāo)注和韻律標(biāo)注，二者的標(biāo)注內(nèi)容有很大不同。廣泛使用的標(biāo)注系統(tǒng)有用于英語韻律標(biāo)注的ToBI（Tone Break Index）系統(tǒng)和由此擴(kuò)展而來的J－ToBI（日語）、K－ToBI（韓語）和C－ToBI（漢語普通話）等。C－ToBI系統(tǒng)的標(biāo)注層次主要包括語調(diào)特性、停頓邊界、強(qiáng)調(diào)與重音、拼音轉(zhuǎn)寫、調(diào)類號(hào)、漢字等，并不包含用于基礎(chǔ)研究的語音聲學(xué)參數(shù)的全部信息。目前語音學(xué)界也沒有統(tǒng)一的語音聲學(xué)參數(shù)的標(biāo)注格式和標(biāo)注系統(tǒng)，必須根據(jù)各自的研究目的開發(fā)各自的標(biāo)注格式和標(biāo)注系統(tǒng)。

為了擯棄傳統(tǒng)小作坊式的語音聲學(xué)研究方法以及缺乏統(tǒng)一標(biāo)準(zhǔn)、缺乏比較基準(zhǔn)、缺乏數(shù)據(jù)延續(xù)性、缺乏全面性的弊端，自上世紀(jì)90年代初開始，中國社會(huì)科學(xué)院民族所語音研究室在國家自然科學(xué)基金、國家社會(huì)科學(xué)基金項(xiàng)目、教育部和社科院科研局的資助下，與少數(shù)民族地區(qū)大學(xué)和研究所合作完成了“藏語拉薩話語音聲學(xué)參數(shù)數(shù)據(jù)庫”（國家自然基金項(xiàng)目，1991年）［1］、“哈薩克語語音聲學(xué)參數(shù)數(shù)據(jù)庫”（國家自然基金項(xiàng)目，1992年）［2］、“蒙古語語音聲學(xué)參數(shù)數(shù)據(jù)庫”（自然基金項(xiàng)目，1992年）［3－4］等項(xiàng)目。2006年提出“中國少數(shù)民族語言語音聲學(xué)參數(shù)統(tǒng)一平臺(tái)”建設(shè)思路［5］，在教育部的資助下，已完成了“藏、維、彝、鄂溫克、鄂倫春、達(dá)斡爾等語言的語音聲學(xué)參數(shù)數(shù)據(jù)庫”［6］，目前正在實(shí)施“錫伯語語音聲學(xué)參數(shù)數(shù)據(jù)庫”“土族語語音聲學(xué)參數(shù)數(shù)據(jù)庫”和“東部裕固語語音聲學(xué)參數(shù)數(shù)據(jù)庫”等的研制工作。

盡管通過二十多年的語音聲學(xué)研究工作建立了一些少數(shù)民族語音聲學(xué)參數(shù)語料庫并積累了豐富的研制經(jīng)驗(yàn)，但是聲學(xué)參數(shù)采集工作仍然非常艱難。這是因?yàn)閮H僅依靠手工標(biāo)注和采集，一方面，工作量大，錯(cuò)誤率高，效率低，無法保證實(shí)驗(yàn)方法和實(shí)驗(yàn)數(shù)據(jù)的可重復(fù)性，更無法實(shí)現(xiàn)語音聲學(xué)研究工作的規(guī)范化和標(biāo)準(zhǔn)化；另一方面，由于聲學(xué)特征定義及其提取方法和標(biāo)準(zhǔn)難以統(tǒng)一等原因，導(dǎo)致了語言之間難以相互比較，研究成果無法相互借鑒的后果。為了避免上述弊端，必須解決語音聲學(xué)參數(shù)數(shù)據(jù)庫研制工作的自動(dòng)化問題，語音聲學(xué)參數(shù)自動(dòng)標(biāo)注和提取是首先要解決的問題。

2 方法與步驟

針對(duì)以上問題，必須設(shè)計(jì)出全面穩(wěn)妥的解決思路。經(jīng)過分析和討論，解決方法分三個(gè)方面：

第一，設(shè)計(jì)完備合理的標(biāo)注文件。該文件必須能夠存儲(chǔ)和計(jì)算得到全部的聲學(xué)參數(shù)，包括功能性參數(shù)和聲學(xué)特征參數(shù)，并且方便用戶操作。

第二，開發(fā)自動(dòng)標(biāo)注軟件。用戶只需要在標(biāo)注文件選定少量位置，執(zhí)行該軟件就可得到所有聲學(xué)參數(shù)，用戶只需要校對(duì)、修改和確認(rèn)。

第三，開發(fā)自動(dòng)提取軟件。系統(tǒng)可一次性將所有已標(biāo)注的文件經(jīng)逐個(gè)計(jì)算，得到所有參數(shù)后存入到一個(gè)文本文件中，然后用戶導(dǎo)入EXCEL就完成了聲學(xué)參數(shù)庫的建立。

標(biāo)注文件和自動(dòng)標(biāo)注／提取系統(tǒng)是在語音學(xué)界廣泛使用的語音分析平臺(tái)Praat 5.2.23版本上開發(fā)的［7］，音標(biāo)編碼使用改進(jìn)的 SAMPA－C編碼，所有使用Praat進(jìn)行語音分析和語音聲學(xué)語料庫建設(shè)的用戶均可使用本系統(tǒng)。

3 語音聲學(xué)參數(shù)自動(dòng)標(biāo)注／提取系統(tǒng)

語音的聲學(xué)特征是實(shí)驗(yàn)語音學(xué)主要的研究成果，語音聲學(xué)特征參數(shù)是描寫和刻畫語音的音素（元音、輔音）、音段（音節(jié)、詞等）和超音段的重要手段，比如元音音色主要由其前三個(gè)共振峰決定，對(duì)聲調(diào)語言，音高值及其變化決定了調(diào)類和調(diào)值，VOT（Voice Onset Time）可以較好區(qū)分塞音與塞擦音中的塞／塞擦、送氣／不送氣、清音／濁音等特征，譜重心可以區(qū)分某些擦音等①每個(gè)聲學(xué)特征的具體含義，可參考相關(guān)的實(shí)驗(yàn)語音學(xué)書籍。

3.1 功能性字段集和聲學(xué)特征參數(shù)集的設(shè)計(jì)

完整而系統(tǒng)的功能性字段和聲學(xué)特征參數(shù)集是實(shí)現(xiàn)語音聲學(xué)參數(shù)自動(dòng)標(biāo)注／提取以及開發(fā)參數(shù)查詢統(tǒng)計(jì)平臺(tái)的重要前提。通過二十幾年的努力，中國社會(huì)科學(xué)院民族所語音研究室已探索出統(tǒng)一的11個(gè)功能性字段和36個(gè)聲學(xué)特征參數(shù)。這些特征集具有確定性、唯一性、全面性和權(quán)威性等特點(diǎn)，能夠涵蓋所有少數(shù)民族語言的語音特征。其中，功能字段用于查找、統(tǒng)計(jì)和分類每一種語言、每一個(gè)詞、每一個(gè)音節(jié)中每一個(gè)音段的每個(gè)聲學(xué)參數(shù)，因此必須包含足夠的信息量。功能性字段分詞層、音節(jié)層、音段層、發(fā)聲類型層和聲調(diào)類型層等5層11個(gè)字段，如表1所示。

表1 功能性字段集

續(xù)表

聲學(xué)特征參數(shù)負(fù)載著音段所有的聲學(xué)特征信息，是觀察了解音段特征及其變化的密鑰，是語音描寫研究的基石。為了對(duì)不同語言音段或超音段特征之間進(jìn)行比較研究，需要設(shè)計(jì)一套統(tǒng)一的聲學(xué)特征參數(shù)集。表2為元音聲學(xué)特征集及其定義，表3為輔音聲學(xué)特征集及定義，表4為韻律特征集及其定義。

表2 元音聲學(xué)特征集及其定義

表3 輔音聲學(xué)特征集及其定義

表4 韻律特征集及其定義

3.2 自動(dòng)標(biāo)注軟件

為了對(duì)聲學(xué)參數(shù)進(jìn)行標(biāo)準(zhǔn)化標(biāo)注和自動(dòng)提取以及減少人工標(biāo)注的隨意性，在提出八層標(biāo)注文件結(jié)構(gòu)（請(qǐng)見表5）的同時(shí)，制訂了歸一化的標(biāo)注標(biāo)準(zhǔn)和標(biāo)注點(diǎn)。該結(jié)構(gòu)涵蓋了音段和超音段主要聲學(xué)特征。標(biāo)注方法如下：在Praat環(huán)境下將標(biāo)注文件與語音文件同時(shí)打開后，用戶按照統(tǒng)一的標(biāo)注標(biāo)準(zhǔn)和方法，選定少量標(biāo)注位置，執(zhí)行自動(dòng)標(biāo)注軟件，系統(tǒng)就能把具體值自動(dòng)標(biāo)注到所選位置上，用戶只需校對(duì)、修改和確認(rèn)即可。有了該系統(tǒng)，語音實(shí)驗(yàn)人員可以把主要精力集中到語音特征的分析和比較上，不再為手工填寫大量數(shù)據(jù)而發(fā)愁。這樣既減少工作量，又降低錯(cuò)誤率。表5為標(biāo)注文件結(jié)構(gòu)。

下面簡(jiǎn)單解釋表5中每層的填寫內(nèi)容、選點(diǎn)規(guī)則及取值含義。

第一層為音素層，采用音素記音法，以實(shí)際發(fā)音為準(zhǔn)，用SAMPA－C碼標(biāo)注。如果實(shí)際發(fā)音為目標(biāo)語言的非典型變體，則該層的音標(biāo)與第二、三層的音標(biāo)可能不同。

表5 八層標(biāo)注文件結(jié)構(gòu)（以一個(gè)3音節(jié)5音素詞的標(biāo)注結(jié)構(gòu)為例）

第二層為音節(jié)層，采用音位記音法，根據(jù)目標(biāo)語言的音位系統(tǒng)，用SAMPA－C碼標(biāo)注。

第三層為詞層，也采用音位記音法，根據(jù)目標(biāo)語言的音位系統(tǒng)，用SAMPA－C碼標(biāo)注。

第四層為音高層（韻律層）。該層的標(biāo)注方法：以音節(jié)為單位，每個(gè)音節(jié)自動(dòng)取音高曲線的起點(diǎn)、折點(diǎn)和終點(diǎn)等三點(diǎn)，如果沒有折點(diǎn)，則取起、終兩點(diǎn)。其中，折點(diǎn)為音高曲拱的明顯轉(zhuǎn)折點(diǎn)，既包括H－LH型，也包括L－H－L型以及音高斜率的劇變點(diǎn)。至于斜率的劇變?nèi)绾味x，閾值是多少，目前由用戶根據(jù)經(jīng)驗(yàn)判斷和選擇，在該軟件的升級(jí)版本中將會(huì)由系統(tǒng)自動(dòng)實(shí)現(xiàn)。

第五層為音強(qiáng)層，以音素為單位，每個(gè)音素取一點(diǎn)。其中，對(duì)元音，選其最大音強(qiáng)；對(duì)塞音和塞擦音，選其沖直條上的音強(qiáng)。因?yàn)樵撎幰魪?qiáng)可以表征沖直條的強(qiáng)弱；對(duì)其他輔音，如擦音、鼻音、邊音等，選輔音的前三分之一處的音強(qiáng)，因?yàn)樵撎庉o音已達(dá)到了發(fā)音的目標(biāo)位置。本軟件已實(shí)現(xiàn)音強(qiáng)的自動(dòng)標(biāo)注功能。

第六層為共振峰層，對(duì)元音，如果共振峰呈水平走向，則可以只選一點(diǎn)，即目標(biāo)點(diǎn)，否則選元音起始（前過渡）、目標(biāo)和結(jié)尾（后過渡）等三點(diǎn)；對(duì)塞音和塞擦音，選沖直條上的共振峰；對(duì)其他輔音，如擦音、鼻音、邊音等，選輔音的前三分之一處的共振峰。因?yàn)樵撎庉o音已經(jīng)達(dá)到了目標(biāo)位置；無論元音，還是輔音，系統(tǒng)對(duì)每個(gè)點(diǎn)自動(dòng)提取最多5個(gè)共振峰。本系統(tǒng)采集共振峰的依據(jù)是LPC分析線，因此為了確保共振峰參數(shù)的準(zhǔn)確性，用戶標(biāo)注共振峰位置時(shí)應(yīng)盡量避免LPC分析線上的野點(diǎn)（錯(cuò)誤）。為了校對(duì)和確認(rèn)系統(tǒng)自動(dòng)采集的參數(shù)值，用戶必須提前掌握目標(biāo)語言音位系統(tǒng)和每個(gè)音段大致的聲學(xué)表現(xiàn)，特別是共振峰模式。另外，用逗號(hào)代替所缺省的共振峰。如共振峰串 ，660，，2 200，系統(tǒng)解釋為F2＝660，F(xiàn)4＝2 200，F(xiàn)1和F3空缺。共振峰點(diǎn)的自動(dòng)選擇問題，已在該軟件中解決。

第七層為塞音／塞擦音的沖直條和濁音杠層，對(duì)詞首清塞音／清塞擦音，因沖直條與詞的左邊界重合，故不標(biāo)注。但要標(biāo)注詞首濁塞音／濁塞擦音的沖直條，不標(biāo)注其濁音杠起始點(diǎn)（其濁音杠起始點(diǎn)與詞的左邊界重合）；對(duì)非詞首塞音／塞擦音要標(biāo)注沖直條和濁音杠。其中，如果標(biāo)注一點(diǎn)，系統(tǒng)則認(rèn)為是沖直條（清）。如果標(biāo)注兩點(diǎn)，系統(tǒng)則認(rèn)為：第一點(diǎn)為濁音杠，第二點(diǎn)為沖直條（濁）。這些點(diǎn)的具體含義解釋均由系統(tǒng)自動(dòng)判斷，用戶只需標(biāo)注具體位置即可。在該軟件的升級(jí)版本中，將能夠?qū)崿F(xiàn)全自動(dòng)標(biāo)注。

第八層為輔音譜層，系統(tǒng)自動(dòng)計(jì)算除塞音／塞擦音以外輔音的譜特征，包括譜重心（單位赫茲）、相對(duì)于譜重心的譜偏移量（單位赫茲）和偏離度（低于譜重心的譜與高于譜重心的譜之比）。該層參數(shù)是根據(jù)熊子瑜博士的提議新增加的。主要用于描寫輔音特征，特別是擦音、鼻音、邊音等的譜分布區(qū)別特征。通過實(shí)驗(yàn)比較，最后選定從輔音中間三分之一部分中提取輔音譜，這樣能夠最大程度地反映該輔音的譜特征并減少其前后音素的影響。通過東部裕固語少量詞的實(shí)驗(yàn)，發(fā)現(xiàn)該語言擦音［s］和［?］的譜重心差別較大，可以達(dá)到1 500赫茲。其中前者約為7 000赫茲，后者為5 500赫茲左右。

在以上八層標(biāo)注層中，前三層（音素、音節(jié)和詞），采用界面層（interval tier）標(biāo)注，后五層采用點(diǎn)層（point tier）標(biāo)注。

圖1為對(duì)東部裕固語Sk＿h(yuǎn)＠n一詞進(jìn)行自動(dòng)標(biāo)注的界面。界面中的參數(shù)都是自動(dòng)提取的。

圖1 自動(dòng)標(biāo)注軟件版本1.0運(yùn)行界面

3.3 自動(dòng)提取軟件

在運(yùn)行上述自動(dòng)標(biāo)注軟件后，每個(gè)聲音文件（發(fā)音詞）都形成一個(gè)同名的文本標(biāo)注文件（TextGrid）。自動(dòng)提取軟件將對(duì)這些標(biāo)注文件進(jìn)行批量自動(dòng)處理，最后生成一個(gè)文本文件（.txt），只需要手工幾步即可導(dǎo)入EXCEL表格，就生成了用戶聲學(xué)參數(shù)庫。圖2為自動(dòng)提取軟件的運(yùn)行界面。

圖2 自動(dòng)提取軟件運(yùn)行界面

自動(dòng)提取軟件是一款高效而穩(wěn)定的軟件，它主要完成如下工作：（1）根據(jù)SAMPA－C碼定義，判斷音素的元音／輔音屬性。如果是輔音，還要判斷其清／濁，塞音塞擦音／非塞音塞擦音屬性；（2）根據(jù)音節(jié)內(nèi)音素的組合，判斷音節(jié)類型并得到類型號(hào)，音節(jié)位置和數(shù)量，詞／音節(jié)／音素長度，將音高值賦予音素，將共振峰值串（可能有逗號(hào)分隔的缺省值）分解得到F1－F5，并根據(jù)元音／輔音屬性，分別賦予各自的共振峰，將音高賦予音節(jié)的屬性；（3）根據(jù)第七層的沖直條和濁音杠標(biāo)記，與第一層的音素進(jìn)行匹配，根據(jù)詞首／非詞首、清／濁屬性，將各個(gè)標(biāo)記解釋為沖直條或濁音杠，計(jì)算得到GAP、VOT和音長，再賦值給音素；（4）第八層將計(jì)算得到的輔音譜特征值賦予輔音等等。

該軟件具有一定的靈活性，可以處理二音高值／三音高值、有缺省值的共振峰值串、一點(diǎn)／三點(diǎn)共振峰、自動(dòng)判斷沖直條或濁音杠、處理輸入的多余空格和回車符等。

4 語音聲學(xué)參數(shù)自動(dòng)標(biāo)注／提取系統(tǒng)的意義和作用

目前自動(dòng)標(biāo)注／提取軟件已投入使用，并得到了語音聲學(xué)實(shí)驗(yàn)研究者們的贊同和認(rèn)可。該系統(tǒng)具有標(biāo)準(zhǔn)統(tǒng)一、數(shù)據(jù)完整、簡(jiǎn)單高效、可校對(duì)、能容錯(cuò)的特點(diǎn)。與手動(dòng)采集聲學(xué)參數(shù)相比，能夠減少大量的填寫數(shù)據(jù)的工作量，減少人工標(biāo)注的隨意性，既減少工作量，又降低錯(cuò)誤率，能夠有效提高語音聲學(xué)參數(shù)庫研制效率，確保實(shí)驗(yàn)方法和實(shí)驗(yàn)數(shù)據(jù)的可重復(fù)性。

在上述工作的基礎(chǔ)上，系統(tǒng)將實(shí)現(xiàn)沖直條和濁音杠位置的自動(dòng)標(biāo)注，進(jìn)一步提高自動(dòng)化程度，并逐步實(shí)現(xiàn)語音聲學(xué)參數(shù)數(shù)據(jù)庫研制工作的全面自動(dòng)化目標(biāo)，從而推動(dòng)語音聲學(xué)參數(shù)數(shù)據(jù)庫研制和語音聲學(xué)實(shí)驗(yàn)研究工作的規(guī)范化和標(biāo)準(zhǔn)化。

［1］鮑懷翹，徐昂，陳嘉猷.藏語拉薩話語音聲學(xué)參數(shù)數(shù)據(jù)庫［J］.民族語文，1992，（5）：10－20.

［2］Huai－qiao BAO.An acoustic parameter database of speech sound of Kazakh and harmony theory of vowel［C］／／Oriental COCOSDA'99，Second International Workshop on East－Asian Language Resources and E－valuation，May 13－14，Taipei，Taiwan，1999：82－86.

［3］呼和，鮑懷翹，陳嘉猷.關(guān)于“蒙古語語音聲學(xué)參數(shù)數(shù)據(jù)庫”［J］.Journal of the altaic society of korea，ISSN 1226－6582，1998，12：201－210.

［4］呼和，陳嘉猷，鄭玉玲.蒙古語韻律特征聲學(xué)參數(shù)數(shù)據(jù)庫［J］.內(nèi)蒙古大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)漢文版），2001年，21：39－43.

［5］周學(xué)文，鄭玉玲，呼和.“中國少數(shù)民族語言語音聲學(xué)參數(shù)平臺(tái)”簡(jiǎn)介［C］／／COCOSDA2009，北京，2009年8月，2009：24－128.

［6］Huhe，Zhouxuewen，Wurigexiletu，Hasiqimuge.A－coustic parameter databases of daur，evenki，oroqen nationalities［C］／／COCOSDA2011，臺(tái)灣，2011：78－82.

［7］熊子瑜.Praat語音軟件使用手冊(cè)［M］.北京：中國社會(huì)科學(xué)院語言研究所，2004.

［8］李愛軍，陳肖霞，孫國華，華武，殷治綱.CASS：一個(gè)具有語音學(xué)標(biāo)注的漢語口語語音庫［J］.當(dāng)代語言學(xué)，2002，（2）.