红网时刻新闻7月29日讯（通讯员 周莉 喻佩红 邓塔林 李晨霖）近日，在完成株洲、浏阳及永州市江永县的前期调研后，长沙理工大学研究生暑期专业实践团（以下简称“实践团”）走进江永县上甘棠村，开展方言语音采集、语料数字化整理及识别模型训练工作。

两天时间里，实践团深入村民家中，共采集上甘棠方言语音1400余条，参与采集的村民年龄从23岁至81岁。依托团队搭建的在线语料采集与管理页面，整理后的语料被用于模型训练，模型在当前测试集上的识别准确率达到72.16%。

为记录上甘棠方言的真实使用状态，团队在村干部和当地村民的协助下，联系不同年龄段的方言使用者。参与采集的既有长期生活在村内、日常主要使用本地方言的中老年村民，也有能够熟练使用上甘棠方言的青年村民，为分析不同年龄群体在发音、词汇和表达习惯等方面的差异提供了基础样本。

实践团在村干部协助下于上甘棠村开展方言语音采集。

采集内容以村民日常使用的语言表达为主，涵盖家庭称谓、日常问候、饮食起居、农事活动、节庆习俗、邻里交往及地方常用语句等。针对部分难以直接用普通话对应的方言词语，团队成员通过询问使用场景、请村民举例表达和反复核对发音等方式，确认词语含义及使用条件。团队在记录声音的同时，也注重保留相关语境和文化信息，使方言所承载的乡土记忆、民俗知识和生活经验得到较为完整的记录。

为提高语料采集和整理效率，团队自主搭建了在线语料采集与管理页面。现场录制前，成员将事先整理的语音读本导入页面，按照语料类别和采集顺序生成录制任务；录制过程中，可实时查看采集进度和音频状态，减少漏录、错录和重复录制等情况。

村民配合实践团完成方言语音录制。

语音上传后，页面可按照预设流程对数据进行初步筛选和自动编号，并完成文本转写及信息标注，将录音与普通话文本、语料类别等信息建立对应关系。对于转写不准确、标注不完整或难以直接对应普通话的内容，团队成员可进行手动修改和补充，实现自动处理与人工复核相结合。

采集过程中，成员及时检查录音质量，对环境噪声较大、发音不清晰或语句不完整的内容进行补录，并逐条核验方言发音、文字内容、普通话释义和使用场景，尽可能保证语音数据的清晰度和语料信息的准确性。

“方言语料采集并不是简单地把声音录下来，还需要建立音频、文字、释义和使用场景之间的准确对应关系。”团队负责人吴愿介绍，在线页面整合了语料导入、现场录制、数据管理和人工校核等环节，提高了采集和整理效率，但不同年龄群体在发音和表达方式上存在差异，仍需结合具体语境开展人工核验。

完成筛选、编号、转写、标注和复核后，团队将整理后的语料用于上甘棠方言识别模型的训练与测试，并围绕方言语音识别、文本转写及方言与普通话辅助转换等方向开展技术验证。

实践团成员利用采集语料开展方言识别模型训练与测试。

在当前测试集上，方言识别模型的准确率达到72.16%，已能够识别部分常用词语和短句。但面对语速变化、连读、省音及不同年龄说话人的发音差异时，模型仍会出现漏识别和误识别。团队根据测试结果，对识别错误较多的语料重新核对，并从音频质量、转写标注、语料规模和说话人差异等方面分析原因。

技术人员王文昊表示，72.16%是模型在现有语料规模和当前测试条件下取得的阶段性结果。后续，团队还需持续补充不同年龄、不同语境和不同表达方式的语料，完善人工校核机制，进一步优化数据处理流程和模型参数。

除语音采集、数据整理和模型训练外，团队还同步拍摄社会实践纪实视频，通过影像记录村民交流、语料采集和模型测试等过程，展示方言数字化保护的实践现场。

从前期调研上甘棠方言的使用现状和保护需求，到走进村民家中采集真实语音，再到依托在线页面处理语料并开展模型训练，实践团正尝试将计算机技术应用于方言采集、整理和识别全过程。接下来，团队将继续开展语料核验和补充采集，提升方言识别与辅助转写效果，为上甘棠乡音及其承载的地方文化、口述传统和民俗记忆留下更加系统的数字资料。