新媒體時代方言多模態語料資源庫建設的探究

【摘 要】在國家啟動“語寶工程”的背景下，雷州話作為粵西地區重要的方言之一，新媒體時代建設雷州話多模態語料庫具有極大的現實意義和理論價值。雷州方言多模態語料資源庫建設的探討，主要從建設目標和范圍，語料資源的采集與整理，技術架構設計，多模態數據處理，標準化與規范化以及資源庫管理和維護等方面展開。建設雷州方言多模態語料資源庫，有利于保護和傳承雷州方言，促進雷州方言和其他學科的交叉研究。

【關鍵詞】新媒體時代；雷州方言；多模態語料資源庫

【中圖分類號】H177.2 【文獻標識碼】A 【文章編號】1007—4198（2024）19—217—03

引言

方言在日常生活中的使用頻率逐漸降低，方言文化的傳承面臨著前所未有的挑戰。越來越多的年輕人不再熟悉方言，甚至對其缺乏深入的了解，這一現狀無疑加劇了方言文化傳承的緊迫性。漢語方言大致可歸為十大類，包括官話、晉語、吳語、閩語、客家話、粵語、湘語、贛語、徽語以及平話土話[2]。雖然雷州話作為閩語系的重要分支，廣泛分布于廣東西南部、廣西東南部，以及海外的東南亞和歐美華人社區[11]，但是雷州方言傳承的形勢日趨嚴峻。本文采用的雷州方言概念，即狹義上指“雷州話”或“雷話”[9]。

自2015年起，我國相關部門啟動了中國語言資源保護工程，在全國范圍內全面開展了語言資源的調查、保存、展示及開發利用。這一舉措彰顯了國家對語言多樣性及其所承載的地域文化的深切關懷，同時，隨著新媒體的蓬勃發展，也為方言的保護與傳承帶來了前所未有的機遇。新媒體，這一概念自1967年由P. Goldmark首次提出以來，指借助數字技術、網絡技術和移動技術的強大支持，通過多樣化的渠道如電腦、手機、數字電視機等，為大眾用戶提供了前所未有的豐富信息和娛樂服務，這一變革為方言和地域文化的傳播提供了廣闊的平臺和無限的可能。為了應對方言流失日趨嚴峻的現狀，建設方言多模態語料資源庫顯得尤為重要。在語言學界，多模態語料的研究已經引起了廣泛關注。不同學派對于多模態語料的理解和應用各有見解。本文基于系統功能語言學范式，對方言多模態語料資源庫的建設進行深入探討。根據“資源庫”和“語料庫”的概念[5]，本文采用了“語料資源庫”的概念，即包含所有未經轉寫和提取的原始語料集合。該資源庫的目的是全面、真實地記錄方言文化的各個方面，通過收集包括圖片、文字、音頻、視頻在內的多種形式的方言材料，為方言的保護與傳承提供有力的支撐。本文旨在梳理雷州方言語料庫的研究現狀，提出建設雷州方言多模態語料資源庫的具體思路和內容，推動方言學和民俗學、民族學等相關學科研究的深入發展。我們期待該資源庫能夠成為連接傳統與現代、現實與未來的橋梁，讓雷州方言文化在新媒體時代煥發出新的生機與活力。

一、中國方言多模態語料庫建設現狀

隨著語言學研究的深入發展，語言學界逐漸傾向于一種“視覺化”的研究范式。這一新趨勢顯著地將多維度要素如話語、手勢、目光交流、臉部表情及情感等納入研究范疇，鮮明地彰顯了語言學“多模態化”的研究走向，從而為我們理解和分析語言現象提供了更為全面和立體的視角。學者劉劍[7]在研究中深入分析了國外11種多模態語料庫，揭示了這些語料庫選材的廣泛性和多樣性，對建設雷州方言多模態語料資源庫有重要的啟示。

中國自2007年起開始引入多模態語料庫研究，其早期關注點主要聚焦于中國民族語言文學，旨在為挽救瀕危語言提供有效手段[1]。近年來，隨著多媒體技術和言語工程研究的飛速進步，技術和方法層面上的突破使得自然話語，特別是多模態研究變得切實可行。操鐳等學者成功構建了呂蘇語口語語料庫，該語料庫實現了標注語料的自動分詞和關鍵詞提取功能[3]。王軻及其團隊構建了爾蘇語語料庫，該語料庫內容豐富，涵蓋了生產生活方式、民間習俗等多個方面和體裁[8]。此外，張超在西南官話研究方面也取得了顯著進展，他建立的語料庫涵蓋了清末民國西南文人作品對白語料，西南官話文獻語料，西南官話當代口語語料，以及西南官話影視對白語料。西南官話語料庫的建設，給雷州方言多模態語料資源庫的建設樹立了很好的典范。

雖然雷州方言語音研究已有一定基礎，且眾多學者已通過田野調查積累了豐富的語音語料，但當前的研究仍存在兩大局限性。一是，這些寶貴的語音語料大部分并未公開，導致其他學者在驗證前人研究時，不得不重復進行語料采集，這不僅耗時耗力，而且不利于方言的長期保護與傳承；二是，目前的雷州方言的語料收集主要集中于語音這一單一模態，忽略了其他模態語料的收集。雷州語音字典平臺雖然公開了雷州方言的語音語料，但是目前只提供單字的檢索，詞匯和語句功能尚為開發。借助“中國語言資源采錄展示平臺”，雷州話方言點也收錄了相關的音頻和視頻，然而這些視頻僅僅在被調查者機械地用雷州方言朗讀文字材料的情況下錄制的，不能很好的記錄方言在各個場合語使用的情況，阻礙了方言在語用等其他方面研究的價值?！爸袊Z言資源采錄展示平臺”起初包括專家端和大眾端兩個端口，目前該平臺關閉了大眾端口，讓雷州方言多模態語料在語寶平臺匯聚的機會少了許多。語言的深入研究，會與社會發展的多個方面緊密相連，單一模態的語料收集難以全面反映語言使用的真實語境和使用者的情感狀態，從而限制了雷州方言研究的深度與廣度。

雷州方言語料資源庫的建設，是對雷州方言語料進行全面的多模態收集與管理，這將為雷州方言的未來研究注入新的活力。傳統的漢語方言學研究往往局限于語音、詞匯等語言內部發展的探討，對語言的語用、語篇等方面研究不足，與社會的變遷、民俗文化等外部因素的聯系也相對較少。本文對雷州方言語料資源庫的建設提出構想，旨在為雷州方言未來的研究提供堅實的保障。

二、雷州方言多模態語料資源庫建設的基本思路及內容

（一）確定雷州方言的建設目標和范圍

該資源庫搜集的對象為雷州方言語料，應包括雷州市、徐聞縣、遂溪縣等各縣市的雷州方言。但由于人力資源的有限，該資源庫可以先從說雷州方言人口眾多的雷州市和徐聞縣開始搜集。除了常見的實驗語音語料，還應該展開田野調查，搜集生活中的真實情境的語料。

（二）語料資源的采集與整理

雷州方言多模態語料資源可以通過田野調查、調查問卷、采訪、現有的文獻資料、網絡視頻等方式獲取語料。語料庫的建設，一般需要對采集到的語料進行整理和分類，建立統一的標注系統，以便后續的管理和利用。但是目前學術界對多模態語料庫建設過程中的諸多問題仍存在爭議，例如：多數多模態語料標注工具無法根據研究者的需求實現數據之間（尤其是不同標注層級之間）的復雜統計，尚未實現全方位的、真正的數據集成功能及較為強大的檢索功能；多模態語料庫的標注實踐尚需拓展和深入，廣為接受的標注方案較少；多模態語料庫加工工作量和難度較大，在規模上往往受到限制，如何提升加工效率、充分發掘有效數據尚需研究。盡管這些問題成為方言多模態語料庫建設的重要障礙是事實，但方言的流逝速度也在加快也是事實。因此，在解決多模態語料庫建設的這些關鍵問題之前，作為學者可以從較專業的角度，盡可能多方面地將方言多模態語料搜集管理好，以供日后開展相關方面的研究。

（三）技術架構設計

選擇合適的數據庫系統和存儲方式，確保能夠高效地管理和檢索語料數據。借鑒西南官話多模態語料庫建設的經驗，可以采用制作網站的方法，建立起雷州方言的語料資源庫。也可將雷州方言語料分類儲存，以便為日后開展方言研究提供便利。

（四）多模態數據處理

針對不同形式的語料，制定相應的處理方法和流程。漢語方言有聲資源庫的建設有多個步驟，每個步驟幾乎要靠人工才能完成，這必須依賴強有力的集體團隊，才能完成艱巨的信息加工工作[4]。由于研究人員的有限，多模態數據的處理過程中，應該按照由易到難的原則，對語料進行處理。在語料處理的過程中，由于文字語料和音頻語料的處理相對簡單，研究人員可以對文字語料進行文本分詞、詞性標注等處理；對音頻語料進行語音識別和轉換成文本。而視頻語料處理難度較大，可以逐步對視頻語料進行音頻提取和文本識別等處理，逐步完善語料的轉寫工作。將處理后的數據整合到統一的數據庫中，建立多模態數據的關聯索引。

（五）標準化與規范化

制定統一的數據標準和規范，確保語料數據的質量和可用性。建立統一的標注體系和詞典，對語料數據進行標注和注釋，便于后續的分析和研究。關于視頻語料轉寫和標注，黃立鶴[6]提出可以建設的多模態語料庫中形成的文件共有 5 類，分別是視頻文件、音頻文件，以及經過 Elan 軟件標注后生成的標注文件，經過 Praat 軟件標注后生成的標注文件，語料轉寫文本或與視頻同步的字幕文件等。研究者可以將每個標注的文件按照某種分類對標注后的多模態語料進行分類存儲，文件名則按照研究需要、以方便檢索為原則進行命名。這樣，就形成了一個專門用于某個研究目的小型多模態語料庫。為今后檢索方便，還可以使用 Excel 表格將標注后的小型語料庫的基本信息列出，如包括說話人、場景、語料名稱等，通過超鏈接的方式將 Excel 與語料標注文件相連，研究者可以通過點擊 Excel 上的鏈接打開相關語料標注文件。

（六）資源庫管理與維護

新媒體時代的信息資源生成迅速，其中也不乏一些保留價值較高的方言視頻，因此，應該建立資源庫管理團隊，除了負責資源庫的日常管理和維護工作，也應該包括數據更新、清理、備份等。定期對資源庫進行評估和優化，根據需求調整數據結構和功能設計，提升資源庫的效率和性能。

三、雷州方言語料資源庫的展望

在前人學者的努力下，雷州方言的研究是碩果累累，但是雷州方言語料庫的建設方面仍有待學者們的開發。在已有的“雷州語音詞典”、“語保工程平臺”雷州方言收錄的基礎上，應逐步增加以各類場景、各種職業的人群的日常對話為主的語料采集，應建設表現手段趣味化（如幽默的對話、小品）、生動化、多樣化的方言語料庫[10]。方言多模態語料資源庫建設在方言保護與傳承的過程中顯得尤為重要性。雷州方言多模態資源庫的建設，可以推動雷州方言研究的深入；拓展雷州方言的應用領域；推動雷州方言的保護與傳承。我們呼吁方言研究學者和大眾傳播媒體共同努力，推動方言文化的傳承與發展。大量的多模態語料資源將為相關領域的研究提供寶貴的支持，為方言文化的傳承與發展貢獻一份力量。

參考文獻：

[1]T.McEnery，R.Xiao，Y.Tono，et al.《基于語料庫的語言研究：高級資料讀本》簡介[J].當代語言學，2009（1）.

[2]本刊特約評論員.語言研究所六十年[J].中國語文，2010（4）.

[3]操鐳，尹蔚彬，孫沁瑤，等.瀕危語言口語語料庫的研究與構建——以呂蘇語為范例[J].計算機工程與應用，2018（2）.

[4]范俊軍.漢語方言自然口語語料庫建設的幾個基本問題[J].學術研究， 2013（2）.

[5]顧曰國.北京地區現場即席話語語料庫的取樣與代表性問題[M].北京：社會科學文獻出版社，2002.

[6]黃立鶴.語料庫4.0：多模態語料庫建設及其應用[J].解放軍外國語學院學報，2015（3）.

[7]劉劍.國外多模態語料庫建設及相關研究述評[J].外語教學，2017（4）.

[8]王軻，王軒，王德和，等.瀕危語言爾蘇語的語料庫建設及應用[J].西昌學院學報（社會科學版），2018（3）.

[9]詹伯慧，甘于恩.雷州方言與雷州文化[J].學術研究，2002（9）.

[10]鄒曉燕，韓琨.語言生態學視野下方言語料庫建設的路徑、實現與應用——以贛方言為例[J].地方文化研究，2018（4）.

[11]朱月明.雷州話及其獨特的地域文化[J].現代語文（學術綜合版）， 2015（9）.

基金項目：本文系2022年度廣東省普通高校青年創新人才類項目“雷州話多模態語料庫的建設與研究——以雷州市、徐聞縣兩地為方言采集點”（項目編號：2022WQNCX234）研究成果之一；2021年度湛江幼兒師范?？茖W校科學研究項目“新媒體視角下雷州話語音語料庫的建設”（項目編號：ZJYZZX202102）研究成果之一。

作者簡介：李曉君（1992—），女，湛江幼兒師范專科學校外語系講師，研究方向為方言研究、英語教學研究。