于洪志，高 璐，李永宏，郑文思

(西北民族大学 中国民族语言文字信息技术教育部—国家民委重点实验室，甘肃 兰州 730030)

1 引言

语料库建设在语音分析、合成以及识别等语音工程中，起着举足轻重的作用。高质量的语料库，除需要根据不同研究目标优化语料选取算法外，还要进行语音的标注，其中计算机可读音标符号系统的标注与设计占据较为重要的地位，是文音转换的基础[1-2]。SAMPA(Speech Assessment Methods Phonetic Alphabet)是J.Wells在欧共体支持的研究项目(Speech Assessment Methods)于20世纪90年代设计完成的。在多种语言研究基础上，设计出机器可以直接输入输出的音标系统，目的在于克服国际音标符号复杂、计算机键盘输入困难。

国内，汉语普通话机读音标的自动标注系统比较完善，多家单位语料库建设中音段标注采用了SAMPA_C的标注方案[2-3]。《汉语普通话机读音标SAMPA-SC》[4]阐述了汉语普通话机读音标方案，列出了声韵母以及声调的SAMPA_SC。中国少数民族语言的机读音标系统尚不完善，《三个少数民族语音声学参数数据库(光盘版)介绍》[5]介绍了蒙语、哈萨克语、藏语的国际音标与SAMPA码系统转换的原则。本文的SAMPA_ST(Standard Tibetan)标注系统是建立在SAMPA基础上的一套可机读的藏语音段标注系统，参考了中国社会科学院民族学与人类学研究所的相关研究成果，归纳藏语三大方言(拉萨、夏河、德格)的音系，针对声母、韵母以及声调的特点，设计了藏语三大方言的SAMPA_ST规则，阐述了SAMPA_ST的自动标注系统。

2 藏语音节结构

藏语属于汉藏语系藏缅语族藏语支，国内主要分卫藏方言、安多方言和康方言三大方言。……