归档

TEI笔记：语音转录

TEI（Text Encoding Initiative，文本编码倡议）用于编码数字形式的文本全文。最新版P5的指导文件对诗歌、剧本、语音转录、词典、手稿（含古籍）5类文本的使用各有一章详加说明。
总体上，TEI对文本进行的编码较少深入到文本内容。对于口语材料的转录，“8 Transcriptions of Speech”说明不是面向语言学家的（如分析话语、语音等），主要是揭示社会交互过程。
TEI可以客观转录整个语音过程，包括讲话过程中的停顿、改变语音语调，受干扰、其他背景声音，不同讲话者的插话、同时讲话，讲话过程中展示的书写文字，视频中的身势（如眼神、手势）等。上述非文本信息可以简单表示此种情况的存在，也可以精确表达。当然，语音资料文档本身的信息也能记录。
感觉TEI的标记功能很强大，适合记录演讲、访谈、讨论等富含文字内容的影音资料。
一、专用元素
话语<u>，停顿<pause>，声音<vocal>（不一定是说话声），身势<kinesic>，事件<incident>（影响话语），书写文字<writing>（说话过程中展示），转换<shift>（说话方式变化），同步与重叠（多种表示方式同时说话）。
属性：归属者@who，类型@type、@subtype，时间@start、@end、@dur
1、例（p.262）：对话
<u who=”#mar”>you
never <pause/> take this cat for show and tell
<pause/> meow meow</u>【停顿。可说明停顿时间如：<pause dur=”PT20S”/>】
<u who=”#ros”>yeah well I dont want to</u>
<incident>【声音影响谈话】
<desc>toy cat has bell in tail which continues to make a tinkling sound</desc>
</incident>
<vocal who=”#mar”>【学一声猫叫】
<desc>meows</desc>
</vocal>
<u who=”#ros”>because it is so old</u>
<u who=”#mar”>how <choice>【发音有误】
<orig>bout</orig>
<reg>about</reg>
</choice>
<emph>your</emph> cat <pause/>yours is <emph>new</emph>【强调，未具体说明】
<kinesic>【身势】
<desc>shows Father the cat</desc>
</kinesic>
</u>
<!– … –>
<listPerson>【参与者清单】
<person xml:id=”mar”>
<!– … –>
</person>
<person xml:id=”ros”>
<!– … –>
</person>
<person xml:id=”fat”>
<!– … –>
</person>
</listPerson
2、例（p.265）：显示书写文字
<u who=”#a”>look at this</u>
<writing who=”#a” type=”newspaper”
gradual=”false”>Government claims economic problems
<soCalled>over by June</soCalled>
</writing>
<u who=”#a”>what nonsense!</u>
3、例（p.271）：同步和重叠
<u who=”#jane”>have you read Vanity Fair</u>
<u trans=”overlap” who=”#stig”>yes</u>【同步】
<u xml:id=”utt1″ who=”#jane”>have you read Vanity <anchor synch=”#utt2
#k1″ xml:id=”a1″/> Fair</u>【第1个人说话，更精确地定义同步位置】
<u xml:id=”utt2″ who=”#stig”>yes</u>【第2个人说话点，第1个人说到Vanity时】
<kinesic xml:id=”k1″ who=”#lou”
iterated=”true”>【第3个人身势点，第1个人说到Vanity时点头】
<desc>nods head vertically</desc>
</kinesic>
4、例（p.272）：同步和重叠
传统表达方式：
Tom: I used to smoke – –
Bob: (interrupting) You used to smoke?
Tom: (at the same time) a lot more than this. But I never inhaled the smoke
通常转录方式：
(1) I used to smoke [ a lot more than this ]
(2) …………………………[ you used to smoke ]
(1) but I never inhaled the smoke
TEI方式之用<timeline>精确计时
<timeline origin=”#TS-t01″ unit=”s”>【从15:33:01开始2.5秒】
<when xml:id=”TS-t01″ absolute=”15:33:01Z”/>
<when xml:id=”TS-t02″ interval=”2.5″
since=”#TS-t01″/>
</timeline>
<u who=”#tom”>I used to smoke
<anchor synch=”#TS-t01″/>a lot more than this【同步时段】
<anchor synch=”#TS-t02″/>but I never inhaled the smoke</u>
<u who=”#bob”>
<anchor synch=”#TS-t01″/>You used to smoke<anchor synch=”#TS-t02″/>【同步时段】
</u>
二、转录声音的来源
需要在标头<teiHeader>的文档描述<fileDesc>的来源描述<sourceDesc>部分，说明声音的来源：
1、标头必备内容：来源描述为必备内容
<teiHeader>
  <fileDesc>
    <titleStmt>……</titleStmt>
    <publicationStmt>……</publicationStmt>
    <sourceDesc>……</sourceDesc>
  </fileDesc>
</teiHeader>
2、<sourceDesc>常用元素与属性
（1）<scriptStmt>文字说明，@xml:id标识号
<bibl>书目（及相关元素，如<title><author><date><time><respStmt>）
例（p.258）
<scriptStmt xml:id=”CNN12″>
<bibl>
<author>CNN Network News</author>
<title>News headlines</title>
<date when=”1991-06-12″>12 Jun 91</date>
</bibl>
</scriptStmt>
（2）<recordingStmt>录制说明
<recording>录制事件，@type录制类型（及相关元素<equipment><broadcast>）
@dur 持续时间
例（p.259）
<recordingStmt>
<recording type=”audio” dur=”P30M”>
<respStmt>
<resp>Location recording by</resp>
<name>Sound Services Ltd.</name>
</respStmt>
<equipment>
<p>Multiple close microphones mixed down to stereo Digital
Audio Tape, standard play, 44.1 KHz sampling frequency</p>
</equipment>
<date>12 Jan 1987</date>
</recording>
</recordingStmt>
（3）<transcriptionDesc>转录描述，@ident编码约定标识号，@version编码约定版本号
不同研究社群定义的转录约定（空格、标点、特殊字符等）。
例（p.261）
<transcriptionDesc ident=”HIAT”
version=”2004″/>