茶年 · 中文维基百科

泛语语料库

Wikipedia · 2026-02-14 维基百科 👁 1 阅读

泛语语料库（Pangloss Collection）是位在巴黎的法国国家科学研究中心（CNRS）口传语言与文化研究所（LACITO）所开发的开放获取数位图书馆，旨在采集世界各种语言的录音（其中大部分为濒临灭绝的稀有语言），汇聚成一个向大众开放的数位语料库，从而为保护世界语言多样性作出贡献 。

该语料库有丰富的语音馆藏，可免费線上存取，囊括了世界各大洲不同类型语言的语音文档（民间故事和传说、生活小品、传统艺人或工匠的口述、词汇或语音调查等等）。

截至2018年2月，泛语语料库已收录3559卷录音档、影像档、文字文件，总计囊括全球170种语言 。

原则
配有人工转写文字档的语料库
泛语语料库收录并发布第一手录音檔（近年来也增加了一些影像档）。其中一部分音档经由专家学者人工转写成文字稿和译文，可与原始音档交互参照（包括语音、音韵、拼字） 。每个文档都是根据口传语言与文化科学研究方法，通过母语人士的亲口讲述，由调查人员在该文化背景下忠实地将内容记录下来 。

辭典
自2002年以来，除了录音跟影像资料之外，泛语语料库还收录了若干辭典 ，並在2017年將辭典系列命名为“ Lexica ” 。

開放式檔案架構
泛语语料库所存档的数据採开源格式，访客可以下载资料原始档案（多数为知识共享Creative Commons许可协定），以便离线使用。资料库网站提供的各式软体工具也属开源软体（开放原始碼）。 此外，泛语语料库很早就采用诸如XML等相容性高的格式，此种格式目前为数位人文科学的主流。 。

泛语语料库是语言学资料库“ 开放式语言典藏组织”（OLAC)的一员，也是会员之一。

泛语语料库乃CoCoON（COllections de COrpus Oraux Numériques）数位资料馆的资料库之一。CoCoON是一个技术平台，旨在支援口语语料采集人员建立、整理、归档语料库。 其典藏的数据储存在“ 数位人文资料存放平台”Huma-Num上。

历史
2001年時，“ LACITO归档方案”收藏了大约20种语言，共100篇左右的长篇语料 。 2011年，泛语资料库的馆藏库收录了近1000卷的长篇语料，涵盖67种语言，总计350篇语料经过转写和注释 。 馆藏在2014年达到1400篇语料，其中大约有400篇已由人工转写和注释 。 其馆藏在2018年2月达到170种语言，3559个录音档跟影像档 。2021年，在新一款自动转写软体的帮助下，转写和归档都方便许多，一个小时便可以抵以往上百小时的工作进度。

参考
外部链接

#声音档案馆

评论 (0)

  • 还没有评论，来抢沙发吧。