基于语音识别的HSK口语语料库研究

摘要

汉语水平考试中心多年来积累的考生口试材料是二语习得珍贵的研究资料,建立口语语料库对其进行研究分析的需求越来越强烈.但是长久以来,跟作文等文本形式的语料库相比,规划和建设口语语料库的难度和工作量都非常大.语音识别技术近年来发展迅猛,已经可以应用于很多实际场景.本文通过对HSK口试资料的整理,研究通过语音识别技术构建口语语料库.这是一种尝试,也是为将来自动评分的研究提供参考依据.目前第二语言的口语习得研究在国际上日益得到关注，建立大型口语语料库并基于语料库开展口语研究也是近年来国外语言教学界口语研究的新趋势。大多数研究方法依然是经验型的，仅靠例举少量零散的语料或一次性小规模抽样，得到的是不够系统的、缺乏说服力的定性结果。因此，建立具有一定规模的汉语学习者口语语料库就显得十分必要和迫切。基于学习者语料库的研究目标是揭示不同的学习者群体口、笔语的一些规律性特征，是一种二语习得状况假设发现的研究取向。上世纪90年代中期，北京语言大学开发建立了"汉语中介语语料库"。此后又基于汉语水平(HSK)高等考试的考生作文答卷，北京语言大学开发研制了"HSK动态作文语料库"。