提到語料庫，很多人腦中浮現(xiàn)出這樣的畫面——

或者這樣的——

但其實(shí)，語料庫可以是我們做（語言）研究、學(xué)外語的好幫手。比如，你可以在某些語料庫查到最地道的英語表達(dá)，也可以聽到世界各地的英語口音。

今天就為大家介紹9個語料庫網(wǎng)站——

1. 語言結(jié)構(gòu)世界地圖集

Word Atlas of Language Structure

知道阿伯卡茨語有多少元音和輔音？波羅羅語的詞綴有幾種形態(tài)？恰卡通戈米斯特克語有幾種聲調(diào)？

想回答這些問題？

你需要的只是登陸這個名為The World Atlas of Language Structures Online（語言結(jié)構(gòu)世界地圖冊，簡稱WALS）的網(wǎng)站

這里有各類語言分布的詳細(xì)地圖，有對于世界上2600多種語言192個語言學(xué)特征的詳細(xì)記錄，非常適合語言愛好者。

嗯，媽媽再也不用擔(dān)心我被多語狂魔們實(shí)力嘲諷了，隨便選出一個語言了解一下，足以技驚四座！

詳細(xì)的使用指南以及更多精彩內(nèi)容，午餐早已備好，我不會這門語言，但我可以查到關(guān)于它的一切 | 語言學(xué)午餐

2. 語言口音檔案館

the Speech Accent Archive

大家學(xué)英語這么多年，基本上屬于身經(jīng)百戰(zhàn)了，哪個地方的英語口音沒聽過，什么純正倫敦音，印度咖喱腔，蘇格蘭懵逼腔，布魯克林街頭腔，那是如數(shù)家珍。

但是，你聽過剛果金非洲小哥的英語口語嘛？你了解玻利維亞大媽的英語口音嘛？喏，這個名為the Speech Accent Archive 的網(wǎng)站絕對可以滿足各位英語語音控的獵奇愿望。

該數(shù)據(jù)庫搜集了幾百名來自世界各地，不同民族語言背景的人們針對同一段文字的錄音資料，每段錄音都詳細(xì)記錄了音頻提供者的詳細(xì)背景資料，每段語音也很詳細(xì)的進(jìn)行了轉(zhuǎn)寫。

對于研究者來說，可視之為研究英語使用者發(fā)音特征的獨(dú)門利器；對普通人來說，則是一個了解各地英語口音的難得窗口。

3. 當(dāng)代美國英語語料庫

COCA

想知道某個單詞在新聞和小說中的使用有什么差異？英文寫作的時候想知道自己寫出來的英語搭配夠不夠地道？想知道背下多少單詞就可以流利閱讀各類小說報紙？

嗯，你需要的只是一個語料容量巨大的英語語料庫，COCA恰好可以滿足你的這些需求。

當(dāng)代美國英語語料庫（Corpus of Contemporary American English，簡稱COCA）是目前最大的免費(fèi)英語語料庫。

語料庫由包含4.5億詞的文本構(gòu)成，文本分為口語、小說、流行雜志、報紙以及學(xué)術(shù)文章五種不同的文體。單詞，短語，搭配，想搜什么搜什么，豐富的英語語料很適合英語學(xué)習(xí)者了解地道表達(dá)。

再一份詳細(xì)使用指南傾情奉上，走近COCA，在線語料庫的翹楚 | 語言學(xué)午餐(注：目前COCA界面和該文章寫成時稍有出入，但主要操作流程仍值得參考)。

4. 兒童語音語料庫

CHILDS

午餐君曾經(jīng)有過這么一個想法，將來如果成功升級為孩兒他爸，一定要把自己孩子學(xué)說話的過程進(jìn)行錄音，然后安心保存，處理，分析，說不定可以探究出語言習(xí)得的奧秘，然后提出理論，一戰(zhàn)封神，著書立說，設(shè)館招徒，麾下天啟四騎士，再然后成為頂級公知（喂喂喂！快醒醒！你個單身狗?。?/p>

不過話說回來，實(shí)際記錄兒童語言這個想法早就有學(xué)者付諸實(shí)踐了，他們還創(chuàng)立了一個規(guī)模龐大的兒童語音語料庫CHILDES（Child Language Data Exchange System）。

兒童語言數(shù)據(jù)交流系統(tǒng)是在兒童語言研究相關(guān)領(lǐng)域被最廣泛使用的語料庫，創(chuàng)立于上世紀(jì)八十年代，涵蓋了多門語言中兒童習(xí)得者的語音記錄。根據(jù)學(xué)者統(tǒng)計(jì)，截至2000年，已有1000余項(xiàng)基于該語料庫的研究成果發(fā)表( MacWhinney 2000)。

在這里，你可以找到兒童語言習(xí)得過程的詳細(xì)音頻文件和轉(zhuǎn)寫文本，涉及的語言包括英語，德語，法語，日語，漢語，廣東話等等。錯過了記錄自己牙牙學(xué)語的軌跡，或許這個數(shù)據(jù)庫是一個不錯的彌補(bǔ)手段。

嗯，這個也有使用指南：一款超級強(qiáng)大的兒童語音語料庫 | 語言學(xué)午餐

5. 語言學(xué)數(shù)據(jù)聯(lián)盟

Linguistic Data Consortium

前不久AlphaGo席卷棋壇，人工智能再顯神威；提到語言學(xué)中的人工智能，大家第一反應(yīng)或許會是蘋果的語音助手Siri。

不過各位有沒有想過如果你有足夠的數(shù)據(jù)資料，輔以適當(dāng)?shù)乃惴?，做一個人工智能語言系統(tǒng)也許并不是那么困難，這不，Linguistic Data Consortium就為你提供了這種可能。

這個上世紀(jì)90年代初由賓夕法尼亞尼亞大學(xué)發(fā)起的數(shù)據(jù)共享平臺，目前已經(jīng)由上百所大學(xué)加盟，涵蓋幾百種語言數(shù)據(jù)，包含英語，法語，西班牙語，漢語等十多種語言。

Siri之所以能夠神奇的聽懂使用者的命令，很大程度上得益于其背后強(qiáng)大的語音數(shù)據(jù)庫，而LDC的強(qiáng)大之處就在于它提供了大量的語音資源，口語對話，新聞廣播，電話對話等等。唯一有些傷感的是，這個數(shù)據(jù)庫并不是免費(fèi)的，不過也別氣餒，如果你有驚人的idea不妨嘗試申請一下LDC提供的研究獎勵金，這樣就可以繼續(xù)實(shí)現(xiàn)你的語言智能夢想了。

說了這么多，就差一個程序員了...

6. 北大&北語漢語語料庫

CCL and BCC

剛剛說了好多英語數(shù)據(jù)庫，我們再來聊聊漢語語料庫。

漢語語料庫里有兩個不得不說，一個是老牌勁旅，北京大學(xué)漢語語料庫（CCL）；一個是后起之秀，北京語言大學(xué)漢語語料庫（BCC）。

兩個語料庫各有千秋，各有特點(diǎn)，小編也不敢妄下評價，不過有一點(diǎn)是相同的，那就是兩個語料庫用來做漢語研究和日常搜索（比如教外國人漢語時找例句）都相當(dāng)不錯。

北京大學(xué)漢語語料庫是漢語研究中最主要的語言案例來源，每當(dāng)使用的時候，都可以自豪的說出自己使用的是專家同款語料庫，其語料編排得當(dāng)，挑選細(xì)致，搜索方便，這些優(yōu)點(diǎn)都使得其廣為語言學(xué)眾所喜愛。北語漢語語料庫則擁有更多數(shù)據(jù)搜索功能，例如可以查看搜索詞的歷時詞頻變化，學(xué)生作文語料等等，語料容量更是達(dá)到了驚人的bilion級。

除了上述這些以外，語言學(xué)數(shù)據(jù)庫還有很多很多，比如一些強(qiáng)大的專業(yè)性語料庫，雙語平行語料庫，多模態(tài)語料庫，依存樹庫等等。

在文末午餐君再為各位附上兩個提供語料庫索引功能的網(wǎng)站：

http://www./varieng/CoRD/corpora/corpusfinder

這個名為corpus finder的網(wǎng)站提供了近60種語料庫的資料信息和使用鏈接，感興趣的朋友不妨試試看。

http://www.

不少大學(xué)院系網(wǎng)站上也會提供大量的數(shù)據(jù)資源和相關(guān)指南，北京外國語大學(xué)語料庫團(tuán)隊(duì)的網(wǎng)站就是一個不錯的選擇，網(wǎng)站提供了大量語料庫相關(guān)資源，相比國外網(wǎng)站，其漢語數(shù)據(jù)也更豐富。