口语转写语料
语料来源为香港粤语的自然会话，保留口语的真实停顿、语气词和句式，比书面例句更贴近实际使用场景。
价格官网未标价
平台—
归类论文与学术
收录2026-10-11
复核2026-10-11
编辑评分
4.1 / 5
★★★★☆
香港粤语语料库编辑总结
香港粤语语料库是一个面向语言学研究者的粤语口语标注语料资源，由学术机构维护，主要服务于句法、语用与语言变异研究。它的价值在于对真实会话语料做了分词、词性及句法层面的标注，方便研究者做检索与统计分析。使用门槛不低，需要具备语言学术语和标注体系的基本知识，且以研究用途为主，普通用户拿它学日常粤语会觉得枯燥。
香港粤语语料库是什么？
香港粤语语料库是一个以香港粤语自然口语为对象的标注语料资源，面向语言学研究者、研究生和粤语教学人员，用于句法、语用、语言变异等方向的实证研究。
它属于城市口语语料库这一类型，特点是语料来自真实会话而非书面语，并在转写基础上附加分词、词性等标注层，方便做检索和定量统计。这类资源的建设通常依托高校语言学系或研究项目，维护节奏以学术项目周期为准。
对普通用户来说，它更适合当作查证粤语实际用法的参考工具；对研究者来说，它是做语料检索、举例和统计的基础数据；对教学人员来说，可以从中挑选真实例句用于课堂。
香港粤语语料库核心功能
分词与词性标注
在转写文本上附加分词和词性标注层，研究者可以按词类检索，统计某类词在真实会话中的分布与用法。
句法结构标注
对部分语料做了句法层面的标注，可用于句法结构分析、句型对比以及方言与标准语的差异研究。
关键词检索
提供基于标注层的关键词与模式检索，能快速定位某个词或结构的全部用例，方便做穷尽式举例。
学术引用规范
作为学术资源，成果发表时需按语料库的引用要求注明出处，使用前建议先确认版权与引用条款。
香港粤语语料库使用建议
入门先把路子走对
- 先看标注说明上手前先读标注体系和使用说明，搞清楚分词、词性、句法各层符号代表什么，否则检索出来的结果看不懂。
- 从关键词检索入门先用一个你熟悉的粤语词做检索，看返回的用例格式和上下文呈现方式，熟悉之后再写复杂的检索式。
- 确认引用要求准备写进论文前，先查清语料库的引用格式和授权范围，避免投稿时被要求补充来源说明或撤换材料。
进阶省时间也省钱
- 按词类建检索集把研究问题拆成几个词类或句法模式，分别建检索集并记录结果，便于后续做对比统计而不是零散举例。
- 导出结果做统计把检索结果导出后按语境或说话人分类，能看出同一结构在不同场景下的使用差异，比单看频次更有说服力。
香港粤语语料库适合谁用？
语言学研究者和研究生
推荐做粤语句法、语用或语言变异研究时，可以直接用它做检索和统计，省去自建语料的高昂成本。
粤语教学人员
推荐可以从中挑选真实会话例句用于课堂，例句比教材书面语更贴近日常表达。
只会几句粤语的普通用户
不推荐标注体系和转写文本对非研究者不友好，想学日常会话的话不如直接用口语教材或影音材料。
想拿语料做商业产品训练的人
有条件这类学术语料通常有明确的授权与使用范围限制，商用前需要先确认许可条款，不能直接拿来用。
香港粤语语料库优点和缺点
优点
- 语料来自真实口语会话，不是编造例句，用法可信度高
- 带分词和词性标注，能直接按词类做检索和统计
- 有句法标注层，适合做句型结构层面的量化分析
- 学术机构维护，标注体系相对严谨，适合写论文时引用
缺点
- 使用门槛高，不懂标注体系的研究者上手会吃力
- 以研究用途为主，不适合拿来学日常口语
- 语料规模和更新节奏受学术项目周期影响，不一定及时
- 检索界面和使用说明偏学术，缺少面向新手的引导
香港粤语语料库常见问题
这个语料库适合拿来学粤语吗？＋
不太适合。它的语料是带标注的转写文本，主要给研究者做检索和统计用，读起来是标注符号加口语记录，跟教材或口语课程的学习体验差很远。想学日常粤语，用带音频的教材或影音材料效率更高。
语料能直接拿来训练模型或做商业产品吗？＋
不建议直接使用。学术语料库一般有明确的授权与使用范围，多数限定在研究或教学用途，商用需要事先获得许可。使用前应先查清授权条款，并在成果中按规范注明来源。
和一般粤语词典有什么区别？＋
词典给的是词条释义和固定例句，这个语料库给的是真实会话中某个词或结构的全部用例，能看出实际用法和搭配。做语言研究时两者用途不同，词典用于查义，语料库用于看用法分布。
检索结果具体能做什么分析？＋
可以用标注层按词类或句法结构检索，统计某个用法在口语中的出现频率和语境分布，也可以导出例句用于论文举例。做句法或语用研究时，这类穷尽式检索是手动翻材料做不到的。
